2016 Fiscal Year Research-status Report
在宅・高齢者施設における高齢者の移動型見守りロボットに関する研究
| Project/Area Number |
16K00767
|
|---|
| Research Institution | Shonan Institute of Technology |
|---|
Principal Investigator |
尾崎 文夫 湘南工科大学, 工学部, 教授 (10712474)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 見守りロボット / 歩容認証 / 転倒検出 / 車椅子認識 / 移動ロボット / 深層学習 / RGB-Dセンサ |
|---|
| Outline of Annual Research Achievements |
高齢者生活支援ロボットのための認識機能として人の認識機能、歩容認証機能、転倒検出機能、車椅子の認識機能などの機能研究を行った。
人の認識機能はRGB-Dセンサ（Kinectなどの2次元画像と深度情報を得られるセンサ）を用いて人を識別し、人の顔位置を算出し、ロボットがその方向を向くための回転情報を計算するようにした。ロボットは人毎にその位置を認識できた。
歩容認証機能は高齢者施設などの大部屋での入居者の出入りを確認し、出ていった人が認知症を患っているなどケアを必要とする人かどうかを認識するための機能である。夜間では部屋は暗いので、画像処理による顔認識では人物認識がうまくいかない可能性が高い。そのため夜間でも利用できる赤外線カメラにより人体の関節位置を計測し、その関節位置から計算される歩容（歩き方）により人物を特定する技術を検討した。退出者がケアの必要な人であればナースステーションなどに連絡することで見守りを実現できる。本研究ではディープニューラルネットワーク（DNN）を用いて、歩行のデータを人物毎に学習し、人物の識別実験を行った。基礎実験では7名の人物を畳み込みニューラルネットという技術を用いて、95%以上の精度で認識できた。但し、基礎実験では被験者に同じ方向での歩行を依頼し、そのデータを使っているため今後は様々な方向でも同様の精度を獲得出来るように研究を続ける。
転倒検出においても同様にDNNを用いた手法を使って検出器を作成した。人の典型的な転倒の仕方6種類（前、後、左、右、こける、滑る）に対して学習し、83%の精度を得た。高齢者の転倒の確実な検出のためにはまだデータが少ないおよび識別すべき転倒の種類など今後さらなる検討が必要である。
車椅子認識においてもDNNを用いた手法により検出器を作成中であるが、現状は車椅子の画像を集めるまでに留まっている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
昨年度は深層学習自体の理解およびツールの使い方の修得に時間がかかった。また歩容認証のための深層学習に必要なデータをどう適切に取り出すかという検討に時間がかかり、研究予定を完了することが出来なかった。深層学習は現在活発に研究活動が行われている分野であり、最新の技術を習得しながら進めているが、追いつけていないのが現状である。今後はこの技術をしっかりと身に付け、様々な認識に応用していく。
|
| Strategy for Future Research Activity |
まず、遅れを取り戻す。その後、学習データの積み上げを行い、様々な認識器の精度を上げていく。それと同時にこれらの認識器をロボットに搭載し、ロボットが人を見守れるという機能を実証していく予定である。
移動ロボットの移動制御に関してはすでに科研費とは別に購入しているTurtlebotという移動ロボットを利用して、移動制御の研究を行っている。基本的な移動機能は開発済みであるが、障害物回避や目的地への自動移動などの機能を追加していく。
認識機能に関してはDNNを用いた手法をさらに進めていく。そのためそれぞれの認識にどのようなデータが必要なのかを研究し、そのデータを取得・学習させ、実験により、実証していく予定である。
車椅子への追従に関しては、集めた車椅子の画像を使って認識モデルを作成し、そのモデルを用いてDNNにより、車椅子の認識をする予定である。その後、車椅子までの距離をRGB-Dセンサを用いて計測し、車椅子への追従機能を実現していく。
|
| Causes of Carryover |
昨年度は深層学習の理解およびその使用を優先し、データ取得、解析を実施した。これには既存のセンサとPCを主に利用して実施した。そのため移動ロボット本体に検討を加えられなかったことが、予算使用が少なくなった原因と考えている。
|
| Expenditure Plan for Carryover Budget |
今後は研究している深層学習の認識器をロボットに実装するためのハードウェアやセンサ（特に自動運転車の技術開発で開発が進んできている3次元レーザスキャナなど）を購入し、見守りロボットとして完成させていく予定である。また研究論文をまとめ学会発表に予算を使わせていただきたいと考えている。
|
