| 研究概要 |
平成12年度は,足音のパワースペクトルの包絡線形状が歩行者,及び履物によって異なることに着目し,その形状をニューラルネットワーク(NN)に学習させることにより,足音の識別を試みた。本研究では,簡単な構成である入力層,中間層,出力層からなる3層の階層構造NNの適用を検討した。学習アルゴリズムにはバックプロパゲーション法を用いた。学習・認識用足音については,11年度と同様に,本学学生に協力して頂き,木造家屋内で歩行時の足音を採取した。履物条件は,家屋内で一般的なスリッパ,靴下,裸足とした。マイクロホンを床上に設置して,歩行時の足音をDATレコーダで録音し,インターフェースを介してパーソナルコンピュータ(11年度に購入)に取り込み,足音データベースを作成した。周波数解析により足音波形のパワースペクトルを求め,その包絡線を求めた。そして,可聴周波数帯域である50Hz〜18kHzの範囲から3〜45点を取り出し,これを特徴パラメータとした。処理プログラムは全てC言語で開発した。特徴パラメータの数によって学習回数,及び教師信号と出力結果の誤差が異なり,試行錯誤の上,NNの入力層のノード数を34,中間層のノード数を47とした。また,結果を0と1の組合せで識別できるように(例えば,歩行者Aのスリッパの足音が00,靴下が11),出力層のノード数を識別したい足音の種類(歩行者,あるいは履物)に応じて2(4種類まで)または3(8種類まで)とした。歩行者を特定して履物を識別した結果,約99%の認識率が得られた。また,履物を特定して歩行者を識別した結果,約91%の認識率が得られ,NNの歩行認識への適用の可能性が示された。
|
