| 研究課題/領域番号 |
18K02236
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分08030:家政学および生活科学関連
|
|---|
| 研究機関 | 秋田大学 |
|---|
研究代表者 |
田中 元志 秋田大学, 理工学研究科, 准教授 (50261649)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 生活活動音 / 時間-周波数解析 / 異常検出 / 機械学習 / 自己組織化マップ / 足音 / 特徴抽出 / 深層学習 / 信号解析 |
|---|
| 研究成果の概要 |
独居生活者の家庭内における事故などの異常検出を目的に，生活活動音（生活音）の機械学習を用いて異常候補を検出する方法について検討した。日中の生活音の自己組織化マップ（SOM）を求め，学習後のニューロンの重みを特徴ベクトルとしてクラスタリングを行い，生活音の確率モデルを作成した。音の発生確率を算出でき，転倒事故を模擬した音では，転倒時に確率が非常に小さくなり，その後の動作が無い時間は変化が小さい結果となった。発生確率の時間変化の観察は異常状態の検出に有効である可能性が示唆された。また，夜間の音の解析と深層学習による足音認識を試み，それらの利用の可能性も得られた。
|
| 研究成果の学術的意義や社会的意義 |
事故時に発生する音の収集は困難であり，個々の音の識別には膨大なデータベースが必要なため，滅多に起きない（日常的ではない）音を検出する方法について検討した。教師無し学習の1つである自己組織化マップ（SOM）の利用を検討し，日常生活音のSOMを用いた確率モデルを作成した。音の発生確率を算出でき，転倒事故を模擬した音を異常状態（候補）として検出できた。今後，本方法を確立できれば，家庭内事故等の検出システムのみならず，故障の診断など他の異常音検出への応用も期待できる。
|
