| 研究課題/領域番号 |
20K19568
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分59020:スポーツ科学関連
|
|---|
| 研究機関 | 福井大学 |
|---|
研究代表者 |
張 潮 福井大学, 学術研究院工学系部門, 講師 (70803419)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 人物姿勢推定 / 深層学習 / ニューラルネットワーク / 人物動作分析 / 最適化 / 進化的計算 / 動作分析 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
近年，人工知能によるビッグデータの活用が急速に広まっている．しかし深層学習（人工ニューラルネットワークによる機械学習手法）では，情報量が僅かであるスモールデータを深く考察していく能力が欠けている．深層学習はビッグデータから人間の姿勢らしさや共通している姿勢パターンの情報を学習することで検出アルゴリズムの汎用性を高められるが，個人がもつ身長，体重，体型サイズ，視線など量が限られているスモールデータを学習することが困難である．この問題に対して，本研究では，最適化アルゴリズムを用いて，深層学習による骨格検出結果をスモールデータで最適化することで，それぞれのデータが持つ価値を融合することを目指す．
|
| 研究成果の概要 |
骨格モデルの検出による動作分析は、スポーツ科学分野における姿勢矯正や運動機能改善に必要不可欠な処理である。既存の方法は、２次元的な結果を出力することが殆どである。しかし、人間の３次元的な動作を解析する場合、画像における深層学習の推定結果を直接適用できないと考えられる。本研究では、ビッグデータとスモールデータの融合による個人に適応し３次元的な動作分析法の構築を目的とした。１年目では主に人物の部位をセグメンテーションする方法を提案した。２年目では主に一枚の画像から３次元的な人体運動を予測する方法を提案した。３年目では主に入力された個人の３次元動作に対して、今後の行動を予測する研究を進めた。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、ビッグ/スモールデータを融合することで「汎用性」と「専門性」が併存する動作解析手法の実現が可能になっている。特に、混合ニューラルネットワークを用いたデータ解析方法を３次元動作解析に適用することは学術的意義があるといえる。コンピュータビジョン分野の観点からみても、点群の利活用に意義がある。また、社会的意義として、本研究成果に基づくアドバイスシステムの構築により、高度な技術を有するスポーツ選手の育成プログラムの充実化が図れ、健康科学分野における運動機能の改善にも適用できると考えれられる。また、スポーツ科学のみならず、他分野における今後の動作分析・推定の足掛かりになると考える。
|
