2020 Fiscal Year Annual Research Report
Estimation of Human Sleepiness based on Intelligent Spaces and Machine Learning
| Project/Area Number |
20H04266
|
|---|
| Research Institution | Chuo University |
|---|
Principal Investigator |
橋本 秀紀 中央大学, 理工学部, 教授 (30183908)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田村 裕 中央大学, 理工学部, 教授 (60227288)
長津 裕己 中央大学, 理工学部, 助教 (60804987)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 空間知能化 / 眠気推定 / 生体情報 / 状態推定 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
空間知能化として、必要な要素である眠気推定のための状態量に関して、車内環境下で無意識下かつ非拘束でのセンシングの可能性を検討した、様々なセンサの中で、研究室で試作を行ってきた容量結合型電極と顔表情を取得するRGBカメラを選定した。また、眠気推定には、実験による主観評価を教師信号とした学習を用いることとした。同時に運転者を覚醒するための基礎検討を行った。
(1)nene空間知能化による眠気推定のための状態量の取得：当研究室で試作を行ってきた容量結合型電極の更なる改良を行い、非拘束・無意識下での心電計測を進めた。自動車の運転席の特性(シートに体がある程度拘束される)を考慮した電極面の大きさ及び電極の配置、および運転者の体動を除去する信号処理回路の再構築を進め、実験により運転者が通常の服装（3枚）であれば心拍変動(RRI)の取得が可能となった。このRRIを用いて眠気推定が可能であることを前提に、眠気推定システムの構築を行った。これと並行して、顔情報からの眠気推定に関して、RGBカメラを用いた運転者のあくび、瞬き、閉眼時間取得システムを構築した。とくに、あくびは眠気との関連が大きく研究を進めた。
(2)眠気推定の方法論：上記の容量結合型電極とカメラを用いて運転者の情報を得て、主観評価による眠気の推定実験を行った。これらの実験から、運転者から取得した「RRI,あくび、瞬き、閉眼時間」の状態量と眠気の相関関係を得ることができた。この相関関係を教師データとして、ニューラルネット、CNN,,LSTMを用いて学習することにより、眠気推定を行うシステムを開発した。更に実験を進め、様々な状況で眠気の推定が可能であるとの感触を得ることができた。
(3)眠気から覚醒への状態推移：眠気が推定できたとして、運転の安全性を確保するために、ビープ音の提示による運転者の覚醒の基礎検討を行い、実験による検証を進めた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
(1)空間知能化による眠気推定のための状態量の取得：容量結合型電極に関しては、当初、実験環境の温度湿度などの影響を大きく受けてしまい衣服1ないし2枚という状況であったが、電極の配置を運転者の心臓に対して？？？？として配置、最適なサイズの検討、入力インピーダンスをさらに引き上げるなどの様々な検討の結果、衣服3枚まで実用的に計測できるレベルに達した。カメラにおいては当初の予定通り進んだ。
(2)眠気推定の方法論：主観評価の実験がスムーズに進み、ニューラルネットなどの教師データが多数得られて、学習が進み評価できるところまで研究が進んだ。
(3)眠気から覚醒への状態推移：ビープ音による覚醒はかなり効果的であり、基礎的段階ではあるが期待通りの結果が得られた。
以上から、現在までの進捗状況は「おおむね順調に進展している。」と判断する。
|
| Strategy for Future Research Activity |
(1)空間知能化による眠気推定のための状態量の取得：無意識・非拘束として有望な顔情報の眠気推定への活用をさらに進める。眼球の動きを計測し運転者の状態を推定することを検討する。また、顔情報そのものから心拍或いは心拍変動RRI)を直接計測ることを試みる。さらに、最近注目を集めているWifiを用いた心拍計測にも着手する。
(2)眠気推定の方法論：主成分分析、非線形特徴抽出であるカーネル主成分分析、Autoencoder、不均衡データを考慮した深層学習などを検討する。これらを評価するためにDeepSleep Netなどのデータベースを活用することも行う。
(3)眠気から覚醒への状態推移：眠気を実際に推定し、覚醒システムへフィードバックすることを検討し、実験による評価を行う。
|
