独居生活者の家庭内における事故などの異常検出を目的に,生活活動音(生活音)の機械学習を用いて異常候補を検出する方法について検討した。日中の生活音の自己組織化マップ(SOM)を求め,学習後のニューロンの重みを特徴ベクトルとしてクラスタリングを行い,生活音の確率モデルを作成した。音の発生確率を算出でき,転倒事故を模擬した音では,転倒時に確率が非常に小さくなり,その後の動作が無い時間は変化が小さい結果となった。発生確率の時間変化の観察は異常状態の検出に有効である可能性が示唆された。また,夜間の音の解析と深層学習による足音認識を試み,それらの利用の可能性も得られた。
|