2022 Fiscal Year Research-status Report
深層学習に基づく筋電位個人認証を利用した多要素個人認証手法の開発
| Project/Area Number |
20K11812
|
|---|
| Research Institution | University of Miyazaki |
|---|
Principal Investigator |
山場 久昭 宮崎大学, 工学部, 助教 (60260741)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岡崎 直宣 宮崎大学, 工学部, 教授 (90347047)
油田 健太郎 宮崎大学, 工学部, 准教授 (30433410)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | バイオメトリクス / 深層学習 / 筋電位 / 個人認証 / 携帯端末 |
|---|
| Outline of Annual Research Achievements |
筋電位を用いた個人認証システムの実現には、予め登録されているジェスチャの波形とシステムに入力された波形を比較し、同一人物による同一のジェスチャであるか否かを判定する手法が必要である。その実現のため、以前の研究では、まず波形の特徴を表す適切な特徴量候補を選定し、それを精度よく取り出す方法として相互相関に基づく手法を開発した。その上で、サポートベクターマシン(SVM)、および、Dynamic Data Warping 法を利用した2つの方法を用いて、ジェスチャを利用した個人認証手法の開発を行っている。この認証の精度を向上させるため、深層学習を導入してその性能を評価する研究に着手した。ただし新型コロナウィルス感染症(COVID-19)の流行の影響により、多くの被験者からデータを取得することが困難となったため、複数人の間でジェスチャの違いを認識することよりも、単一の被験者を対象に、その被験者による複数のジェスチャを互いに識別することを優先し、こちらを対象に研究を進めた。その結果、SVMを用いた手法よりも性能の向上が見られ、さらに、敵対的生成ネットワーク(Generative Adversarial Network、以下GAN)を用いて筋電位データの拡充を図る方法を検討し、国際会議で発表した。本年度は、判定精度をさらに向上させるべく、筋電位の測定箇所を増やすことの効果を検討した。具体的には、これまでは前腕部の掌側一箇所でのみ筋電位を測定していたが、手の甲側、さらに両側面の計4箇所で測定し、4倍のデータを利用してジェスチャの波形比較を行うようにした。その結果として、これまでより非常に大きな性能向上が見られ、国際会議での報告を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
新型コロナウイルス感染症の流行はほぼ鎮静化したものの、未だに不特定多数の他者との接触を避けることは要求されていたことから、多くの被験者の筋電位を測定するような実験を実施することはできなかった。そのため前年度同様、複数人の間でジェスチャの違いを認識することより、単一の被験者を対象に、その複数のジェスチャを識別することを優先し、こちらに絞って研究を進めるという方針を継続した。この状況のもと、筋電位測定データの前処理プログラムのさらなる改良と、深層学習を用いた単一被験者の複数のジェスチャの認識を進めた。前者については、ノイズ除去の手法の検討を行い、ローパスフィルタを工夫して従来よりクリアな波形を取得することができた。後者については、学習のためのデータ不足を補うため、敵対的生成ネットワーク(Generative Adversarial Network、以下GAN)を用いてデータ拡張を適用し、筋電位データの拡充を図った。さらに、筋電位の測定を複数点で同時に行い、多くの筋肉の動きを利用することにより精度向上を図った。これらの成果については、国際会議で発表を行った("On an improvement of hand gesture recognition for realizing a user authentication system using s-EMG")。なお、本研究を自らの研究テーマとする大学院生・卒研生が協力してくれたため、特に学生雇用は行わなかった。以上のように、当初の進捗には満たないものの、研究をある程度は進めることができた。また、当初購入を予定していた深層学習に用いる高速ワークステーションを、本研究とは異なる予算で購入できたので、そのセットアップを行った。
|
| Strategy for Future Research Activity |
昨年度に引き続き、筋電位からのジェスチャ（ハンドサイン）推定に深層学習を適用する研究を進める。具体的には、(1) 筋電位測定データの前処理プログラムのさらなる改良、(2) 深層学習を用いた、単一被験者の複数のジェスチャの認識、さらに、コロナ禍が収まってきたことから、(3) 複数被験者間のジェスチャ識別の認識の3つを中心に行う。これまで、測定した筋電位から当該のジェスチャの箇所を切り出し、ノイズ除去ののちグラフ画像化するプログラムを作成している。さらに、測定された生データにかけるフィルタに工夫を加え、ノイズが適切に除去されるようにした。ただし、得られたグラフが中央に収まらず、左右に寄ってしまう画像が得られるケース、ノイズの除去が不十分であるようなケースは解消できていない。このような画像の質が認識率に影響することが予想されるので、高品質のグラフが描画できるように、画像化のプログラムを改良する。その際には、GPUを備えた深層学習用高速ワークステーションを購入し、科学計算用ソフトウェアをインストールしたので、それを活用する。そして学生に協力してもらい、複数の被験者を対象とてジェスチャの筋電位測定を行い、人の識別を図る実験に取り掛かる。なお、高速ワークステーションを本研究とは異なる予算で購入できたことから予算に余裕ができたが、その使途については、このワークステーションのパフォーマンスをより向上させるためのメモリ増量や、筋電位測定を効率よく行うための測定用機器の買い足しが考えられ、研究の進捗に応じて決定する予定である。
|
| Causes of Carryover |
新型コロナウィルス感染症の流行により、大学の授業をリモートで実施するための作業負荷が大きく、研究に費やす時間は少なくならざるを得なかった。そのため、全体として予算の執行も少なめとなった。特に、参加を予定していた国際会議が中止、または、オンライン開催になったことにより、旅費の使用が皆無であった。また、不特定多数の他者との接触を避けなければならなかったため、多数の被験者を対象とした筋電位測定を行うこともできなかった。このため、被験者に対して支払う謝金、および、実験補助者に支払う人件費が発生しなかった。他、物品の購入も、深層学習を行うための科学計算用ソフトウェアの購入を予定通りに行った以外は、あまり行うことがなかった。さらに、購入を予定してた高速ワークステーションについて、当初の計画よりはやや性能が低い機種ではあるが、別の予算で入手することができ、本研究でも使用可能となった。そこでその分の予算額については、当該のワークステーションの性能増強のためのメモリ追加購入、または、筋電位計測用の機器の追加購入に振り返るなどして、効果的な執行に努めたい。
|
