文献

J-GLOBAL ID：202202277465702824   整理番号：22A0397091

深層ニューラルネットワークを用いたスマートフォン加速度計からの運転者同定と検証【JST・京大機械翻訳】

Driver Identification and Verification From Smartphone Accelerometers Using Deep Neural Networks

著者 (3件)： Hernandez Sanchez Sara (Department of Signals, Systems, and Radiocommunications, Universidad Polite ́cnica de Madrid, Madrid, Spain) ,  Pozo Ruben Fernandez (Group of Biometry, Biosignals, Security, and Smart Mobility, Universidad Polite ́cnica de Madrid, Madrid, Spain) ,  Gomez Luis Alfonso Hernandez (Department of Signals, Systems, and Radiocommunications, Universidad Polite ́cnica de Madrid, Madrid, Spain)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 1  ページ： 97-109  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 本論文は,運転者のスマートフォンからの三軸加速度計信号に関する深い学習(DL)を用いた運転者同定と検証を扱う。提案したドライバ同定アーキテクチャは,ResNet-50を含み,続いて2つのStacked Gate Recurent Units(SGRU)を含む。ResNetは,ショートカット接続により,深い層モデルを提供し,加速度計から豊富な特徴を抽出することができ,GRU層は運転者の挙動の動力学をモデル化する。2D画像に1D加速度計信号を写像する2つのアプローチをテストするために,画像分類に事前訓練されたResNet-50を評価した。ドライバ検証のために,シームレスニューラルネットワークと三重損失訓練を提案した。Siameseアーキテクチャは,ドライバ同定の同じResNet-50+GRUモデル上に構築され,一方,三重損失がjourneyレベルで埋込みを得ることを必要とした。25名の運転者のデータセットに対して実験結果が得られ,運転者当たり800個以上の20,025名の日常生活動作を遂行した。運転者同定は,それぞれ71.89%と92.02%のトップ-1とトップ-5精度を達成し,ドライバー検証は74.09%のF1スコアを達成した。これらの結果は,一般的に小さなデータベース(あらかじめ定義された経路のみに基づく)をテストし,ジャイロスコープ,磁力計およびGPSのような加速度計以外の情報源に依存する,最先端の研究と競合する。したがって,提案したDLアーキテクチャは,エネルギー効率の良いスマートフォン加速度計信号のみに基づく効率的なドライバ監視アプリケーションの開発に適していると信じる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 磁力計 ,  学習 ,  情報源 ,  データベース ,  *加速度計 ,  *ニューラルネットワーク ,  応用プログラム ,  二次元 ,  一次元 ,  ジャイロスコープ ,  計算機アーキテクチャ ,  GPS ,  日常生活動作 ,  *スマートフォン
準シソーラス用語： シームレス , 【Automatic Indexing@JST】

分類 (1件)： 自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (5件)： 深層ニューラルネットワーク ,  スマートフォン ,  加速度計 ,  同定 ,  検証