| 研究課題/領域番号 |
20K11812
|
|---|
| 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60070:情報セキュリティ関連
|
|---|
| 研究機関 | 宮崎大学 |
|---|
研究代表者 |
山場 久昭 宮崎大学, 工学部, 助教 (60260741)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023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)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | バイオメトリクス / 深層学習 / 筋電位 / 個人認証 / 携帯端末 / 多要素認証 |
|---|
| 研究開始時の研究の概要 |
近年、スマートフォンやタブレットが普及しているが、パスワードが覗き見によって盗まれてしまい、端末を不正に使用されてしまうという問題が起きてきている。この問題を解決するため、指紋などの生体情報を用いた生体認証が注目されている。これら生体情報は、一生涯変化することがないために認証に用いる情報として有効ではある。しかし逆にそれが漏洩してしまった場合、別のものに変更できないことが欠点である。そこで生体情報の一つである筋電位（筋肉を動かす際に生じる電位差）を利用し、前腕部の動作(ジェスチャ)の組み合わせをパスワードとする。ジェスチャの順番を変えることにより、パスワードの変更が可能となる。
|
| 研究実績の概要 |
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た。また、判定精度を向上させるべく、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ものを、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。ただしこの実験では、拳を強く握る、手首を手前に折るなどの単純なジェスチャを対象に行っていた。今年度は、以前の研究で選定した指文字を元にしたジェスチャを対象にその推定精度を調べる実験を行い、以前の結果を凌駕する性能を得ることができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
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、昨年度に導入した筋電位の複数点測定によるジェスチャ認識精度向上の研究を進めた。昨年度は、拳を強く握る、手首を手前に折るなどの単純なジェスチャを対象に行っていたので、今年度は、以前の研究で選定した指文字を元にしたジェスチャを対象にその推定精度を調べる実験を行った。手話で用いられる指文字は約50種あることから、認証で用いるジェスチャの候補として既に検討を行っている。ただし互いによく似た形の指文字が多く、それらの識別は難しかったことから、それら似た指文字群をグループ化し、各グループから代表指文字を選んでジェスチャとして利用する方法を取っていた。ただし、その精度は十分とはいえなかった。しかし、複数点計測の方法を取ることにより性能を向上させることに成功した。この成果については、国際会議で発表を行った("On an improvement of hand gesture recognition for realizing an s-EMG based user authentication using finger spelling")。以上のように、当初の予定には遅れているが、研究を進めることができた。
|
| 今後の研究の推進方策 |
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、筋電位の複数点計測による精度向上の効果が確認できたことから、これをベースに最終年度として次の3つの課題を完成させる。すなわち、(1) 昨年度は、腕の周りに等間隔で4点を選んでセンサーを装着して測定を行ったが、より精度の良い測定点数の探究と、測定位置の検討を行う。(2) 昨年度の実験ではジェスチャ認識をSVMで行っていたので、深層学習を用いた場合の結果との比較を行う。(3) COVID-19の影響で、同一人物の複数のジェスチャを識別する実験しか行えなかったため、複数被験者間のジェスチャ識別の認識の3つを行う。以上を進めるにあたり、筋電位測定のための機器を拡充する必要が出てくると想定されるので、残されている予算および今年度に新たに核とした科研費の予算を用いて購入する予定である。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を実施する。
|
