研究課題/領域番号 |
22K17937
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分61020:ヒューマンインタフェースおよびインタラクション関連
|
研究機関 | 千葉工業大学 |
研究代表者 |
三木 大輔 千葉工業大学, 情報科学部, 助教 (70757343)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
キーワード | ミリ波レーダ / 人物動作解析 / 深層学習 / マルチインスタンス学習 / ヒューマンインタフェース / ジェスチャ認識 / ニューラルネットワーク |
研究開始時の研究の概要 |
本研究の目的は情報端末への非接触入力を,撮像機器を用いずに実現するための要素技術を確立することである.現在入手可能な主要な非接触入力機器はステレオカメラ等により手指の動作を検出するが,これらの検出部は撮像素子を含むため,プライバシー配慮の観点から用途が限られる.一方で,高い分解能をもつミリ波センサは,撮像素子を用いずに物体の動作を検出できることから,非接触入力デバイスとして適度な性質をもつが,取得される時系列データの扱い方には研究の余地がある.そこで本研究では,手指動作の識別・定量に必要な時系列データの解析のための新たな深層ニューラルネットワークおよびその学習手法を確立する.
|
研究実績の概要 |
本研究の目的は情報端末に対する非接触入力を実現する上で必要な複数種類の手指動作(タップ、スワイプ等)の検知と、それぞれの動作の大きさの程度を定量が可能な検出器およびその学習手法を確立することである。センサには79 GHz帯域のミリ波レーダを採用し、データの解析には深層ニューラルネットワーク (Deep Neural Network, DNN) および申請者らがこれまでに確立したマルチインスタンス学習 (Multiple instance learning , MIL) とランキング学習Learning to Rank (LTR) を組み合わせたその学習方法を適用する。2022年度はミリ波レーダから取得される信号をレンジドップラ画像に変換し、DNNによる解析に適用することで手指動作の認識が可能であることを確認した。特にFFTのサンプリング点数等の設定にベイズ最適化を用いることで、10種の手指動作を89.8%の精度で識別可能であった。また、DNN に代えて時系列情報の扱いを得意とするスパイキングニューラルネットワーク (spiking neural network, SNN) を用いた手指動作認識手法の検討に取り組み、一定の成果(Miki et al., Signal Image and Video Processing, 2023)が得られているため、ミリ波レーダ信号の解析に適用できるように検討を行う。今後は行動識別モデルの学習時に LTR に基づく制約を加えることで、動作の大きさを定量可能とする。さらに、以上で確立した手法をミリ波レーダ信号の解析に適用し、実機を用いた評価を行う。以上の成果について2023年度は国内外での学会発表を予定している。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
ミリ波レーダにより取得されたレンジドップラ画像から識別モデルの学習手法を確立し、手指動作の識別が可能であることを確認している。また、SNNおよびその学習手法に関する検討を行い、手指動作認識に適用できることを確認している。
|
今後の研究の推進方策 |
引き続きDNNおよびその学習手法に関する検討を進め、行動識別モデルの学習時にLTRに基づく制約を加えることで動作の定量可能とする。併せてSNNの適用可能性についても検討を行う。
|