文献

J-GLOBAL ID：201902258812036100   整理番号：19A1638365

Kinectカメラ生成視覚データ駆動アプローチの使用に基づくヒト代謝速度予測モデルの開発【JST・京大機械翻訳】

Development of a human metabolic rate prediction model based on the use of Kinect-camera generated visual data-driven approaches

著者 (4件)： Na HooSeung (Architectural Engineering, Yonsei University, Seoul, South Korea) ,  Choi Joon-Ho (School of Architecture, University of Southern California, CA, USA; Architectural Engineering, Yonsei University, Seoul, South Korea) ,  Kim HoSeong (Department of Computer Science, Yonsei University, Seoul, South Korea) ,  Kim Taeyeon (Architectural Engineering, Yonsei University, Seoul, South Korea)
資料名： Building and Environment  (Building and Environment)
巻： 160  ページ： null  発行年： 2019年 
JST資料番号： C0858A  ISSN： 0360-1323  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 熱的快適性を予測することは,その技術的および環境的重要性により,主要な建築研究領域の一つである。個々の熱的快適性を予測するための重要な変数の一つである代謝速度は,主に人体の活動レベルに基づいている。空気温度や相対湿度などの他の人間や環境因子は容易に測定され,収集されるが,感覚装置の助けを借りて,代謝速度は時間とともに変化し,実際に正確な熱的快適性推定を決定するのは容易ではない。したがって,本研究は,より良い熱的快適性評価のための代謝速度を正確に推定するために,Deep学習アルゴリズムの潜在的使用を調査した。一連のチャンバー試験を23の試験参加者で行った。運動イメージを捉えることにより,ユーザの身体運動を検出するためにKinectセンサを採用した。着用可能なセンサの助けを借りて,ユーザの心拍数も測定し,代謝率を推定した。本研究は,男性が女性より高いMETを示し,高BMI群は低BMI群より高いMETを発生させることを見出した。また,結果は,77%~89%の推定精度範囲が,自己MET予測モデリングにおいて合理的に許容できることを示した。一方,それは,第三者MET予測において65%であった。したがって,本研究の結果は,個人ごとに開発されたDeep学習アルゴリズムの使用に基づいて,ユーザの代謝率を推定するためのリモートセンシングデバイスとしてKinectセンサを使用することが可能であることを確認した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： センサ ,  モデリング ,  *予測 ,  心拍 ,  女性 ,  学習アルゴリズム ,  リモートセンシング ,  *代謝 ,  *視覚 ,  気温 ,  *ヒト ,  *カメラ
準シソーラス用語： Kinectセンサ ,  *代謝速度 ,  *Kinect , 【Automatic Indexing@JST】

著者キーワード (6件)： 熱的快適性 ,  予測平均投票 ,  データ駆動モデリング ,  機械学習 ,  生理学的信号 ,  コンピュータビジョン

分類 (1件)： 建築環境一般  (RB02010T)

タイトルに関連する用語 (7件)： Kinect ,  視覚 ,  データ駆動 ,  ヒト ,  代謝速度 ,  予測モデル ,  開発