文献

J-GLOBAL ID：202002258203405370   整理番号：20A1715148

人間の姿勢分類のための深層学習ベースアプローチ【JST・京大機械翻訳】

A Deep Learning-based Approach for Human Posture Classification

著者 (3件)： Hung Jui-Sheng (Department of Industrial Engineering and Engineering Management, National Tsing Hua University, Hsinchu, Taiwan) ,  Liu Pin-Ling (Department of Industrial Engineering and Engineering Management, National Tsing Hua University, Hsinchu, Taiwan) ,  Chang Chien-Chi (Department of Industrial Engineering and Engineering Management, National Tsing Hua University, Hsinchu, Taiwan)
資料名： ACM Proceedings  (ACM Proceedings)
号： MSIE 2020  ページ： 171-175  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： リフティング姿勢は職場における腰痛の主因と考えられている。したがって,様々なリフティング作業のリスクを評価する必要がある。分類姿勢は人間工学的タスク評価を行う前に重要である。最近,多くの研究が,深層学習法が人間の姿勢の同定において高い精度を有することを明らかにした。しかし,リフティング作業中の異なる姿勢を分類するために,深層学習法がいかに適用できるかを調べた研究はほとんどない。本研究の目的は,リフティング作業中の姿勢の3つの状態(スクワット,立位およびストッピング)を分類するための深層学習技術ベースモデルを開発することである。0°と90°のカメラ視野角から撮影した2,600の静的画像(スクワット,立位とストッピング)と,マーカーベースの運動追跡システムによって記録されたそれらの対応する3D関節座標データを含むデータセットを,本研究で使用した。画像は訓練(1300画像),検証(650画像)および試験(650画像)データセットにランダムに分けた。すべての画像を固定サイズに作って,訓練データセットを入力としてニューラルネットワークで処理して,検証データセットを用いて,分類モデルを造るために訓練中のモデルの重さを修正した。最後に,試験データセットを,提案モデルを用いて3つの静的姿勢を分類するための入力として処理した。マーカーベースの動き追跡システムによって捕捉された3D座標データに基づく分類を,この分類モデルの精度を確証するための参照として使用した。全体として,本研究で開発したモデルは91.23%の精度に達した。スクワット,立位およびストッピング姿勢を正確に分類する精度は,それぞれ94.35%,98.33%および75.86%であった。さらに,このモデルは0°(91.64%)と90°(90.86%)カメラから撮影された画像を同定するのにほぼ同等の精度を示した。この予備試験の結果は,深層学習法がリフティングパターン内の異なる静的姿勢を分類する可能性を有することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *カメラ ,  人間工学 ,  ニューラルネットワーク ,  トラッキング装置 ,  腰痛 ,  三次元 ,  立位
準シソーラス用語： 訓練データ ,  職場 ,  視野角 ,  三次元座標 ,  動き追跡 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習法 ,  リフティング ,  姿勢分類

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 人間 ,  姿勢 ,  分類 ,  深層学習