2023 Fiscal Year Research-status Report

機械学習によるカメラ画像を用いた着衣量・代謝量推定に関する実証研究

Research Project

Project/Area Number	21K04382
Research Institution	Musashino University
Principal Investigator	金政秀武蔵野大学, 工学部, 教授 (90598244)
Project Period (FY)	2021-04-01 – 2025-03-31
Keywords	着衣量 / 代謝量 / カメラ画像 / 機械学習 / 駅前地下街
Outline of Annual Research Achievements	着衣量推定は、分類数を地下街調査の実態に合わせて、昨年度の32分類から18分類と整理を行った。またモデルのフローの見直しを行った結果、平均クロ値誤差率は6.5%と昨年度までのモデルと比較して精度向上が見られた。修正モデルのフローは、人が判断する手順を再現する方法として、2分類するモデルを18個、4分類するモデルを1個の計19モデルのアンサンブルとした。わかりやすい着衣スタイルを優先的に判断し着衣スタイルを確定させ、わかりにくい着衣スタイルは複数のモデルの信頼スコアを比較し最大値の判断を採用することとした。しかし、着衣スタイルの推定で特に冬季に照度が確保出来ていない場合は薄暗くなり着衣スタイルを特定することが困難であった。この薄暗い場合については、それぞれの着衣スタイルではなく「その他」として分類する予定である。次に、学習させた地下街エリアでなく、他のエリアでの動画データの推定を行った結果、精度確保が得られなかったので、どの環境でも一般的に利用出来るモデルにする必要がある。これらは今後の課題とした。代謝量推定は、既に昨年度までにモデル構築は行えたので、今年度は地下街の歩行速度の実態調査を行った。18～29歳、30～49歳、50～60歳の男女各5名ずつ平日と休日で地下街の実態調査を行った。その結果、歩行速度の平均値として、18～29歳で平日3.42、休日3.19、30～49歳で3.46、3.14、50～60歳で3.38、3.36km/hであった。代謝量モデルとしては、この速度範囲で構築する必要性があることが判明した。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 着衣量モデル、代謝量モデルともにモデルの構造化は行えた。しかし、着衣量は、特に特定の地下街にのみの精度確保であったため、今後は、他の環境でも同様の精度を確保出来るようにする必要がある。代謝量モデルも同様に、特定の性別・体型・年代のモデルに必要な係数の整備は行えたが、一般的に利用出来るようにする必要が今後ある。
Strategy for Future Research Activity	2023年度の成果を今年度の日本建築学会への大会発表を行う予定である。
Causes of Carryover	次年度の大会発表時に使用する予定。