| 研究実績の概要 |
メガネ型のウェアラブルデバイスであるスマートアイウェアJINS-MEMEを用いて興味が分かれる動画を視聴してもらい，そのときの瞬きや頭の傾きを計測した．計測データから特徴量抽出を行い，得られた特徴量ベクトルに対して機械学習を行った．機械学習には決定木，Random Forest (RF)，k-NN法，多層ニューラルネットワーク（Multi-Layer Perceptron:MLP）の4つを用いた．1分間ごとの瞬きの回数，瞬きの速さの平均・分散，瞬きの強さの平均・分散，x,y,z軸それぞれの加速度の平均・分散の11項目を特徴量として用いて興味があるかないかをleave-one-out cross validation (LOOCV)で評価した．いずれの手法も高い精度で分類することができたが，決定木から興味があるかどうかは，瞬きの回数が重要であることがわかった．次に，動画視聴時の興味・集中推定のために，瞬きと興味・集中との相関性を調べたところ，瞬きの回数が最も相関が大きく，他には，速さ・強さと興味・集中にはある程度相関があるが，個人差が大きいことがわかった．また，興味の度合いはアンケートで回答しやすい項目であったが，集中の度合いに関してはほとんどの被験者がどの動画に対しても集中できたため，差が出にくかったことが問題として残った．
また，小型軽量ヘッドバンドである簡易脳波計MUSEを用いて，動画視聴時のδ，θ，α，β，γの5つの離散FFTの値を計測することで分析も行なった．なお，瞬きなどによるアーチファクトを検出して，除去する処理が行われているため，瞬きの回数も加えて分析した．
|
