| 研究課題/領域番号 |
20K11812
|
|---|
| 研究機関 | 宮崎大学 |
|---|
研究代表者 |
山場 久昭 宮崎大学, 工学部, 助教 (60260741)
|
|---|
| 研究分担者 |
岡崎 直宣 宮崎大学, 工学部, 教授 (90347047)
油田 健太郎 宮崎大学, 工学部, 准教授 (30433410)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | バイオメトリクス / 深層学習 / 筋電位 / 個人認証 / 携帯端末 |
|---|
| 研究実績の概要 |
筋電位を用いた個人認証システムの実現には、予め登録されているジェスチャの波形とシステムに入力された波形を比較し、同一人物による同一のジェスチャであるか否かを判定する手法が必要である。その実現のため、以前の研究では、まず波形の特徴を表す適切な特徴量候補を選定し、それを精度よく取り出す方法として相互相関に基づく手法を開発した。その上で、サポートベクターマシン(SVM)、および、Dynamic Data Warping 法を利用した2つの方法を用いて、ジェスチャを利用した個人認証手法の開発を行っている。
この認証の精度を向上させるため、深層学習を導入してその性能を評価する研究に着手した。ただし新型コロナウィルス感染症（COVID-19）の流行の影響により、多くの被験者からデータを取得することが困難となったため、複数人の間でジェスチャの違いを認識することよりも、単一の被験者を対象に、その被験者による複数のジェスチャを互いに識別することを優先し、こちらを対象に研究を進めた。その結果、SVMを用いた手法よりも性能の向上が見られ、昨年度はその結果について国際会議で発表した。
本年度は、先の結果で得られた精度を十分なものへと高めることを目指し、深層学習を応用したデータ拡張について検討を進めた。具体的には、敵対的生成ネットワーク（Generative Adversarial Network、以下GAN）を用いて筋電位データの拡充を図った。前述の通り、COVID-19の流行のためにデータ計測が思うように行えなかったため、十分な数のデータを揃えられなかった。データ拡充を行うことにより、ジェスチャ判別器の性能を向上させられることが期待できる。GANで生成したデータを加えてSVMによる判定器を作成したところ、いくつかのジェスチャで性能向上が見られ、国際会議での報告を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
新型コロナウイルス感染症の流行は鎮静化の方向に向かってはいるものの、遠隔授業や三密回避の対面授業等、以前とは異なった授業形態の準備に時間を取られる状況は続いており、十分な研究時間の確保が困難であった。また、不特定多数の他者との接触を避けることが要求されたことから、多くの被験者の筋電位を測定するような実験を実施することはできなかった。そのため前年度同様、複数人の間でジェスチャの違いを認識することより、単一の被験者を対象に、その複数のジェスチャを識別することを優先し、こちらに絞って研究を進めるという方針を継続した。
この状況のもと、筋電位測定データの前処理プログラムのさらなる改良と、深層学習を用いた単一被験者の複数のジェスチャの認識を進めた。前者については、ノイズ除去の手法の検討を行い、ローパスフィルタを工夫して従来よりクリアな波形を取得することができた。後者については、学習のためのデータ不足を補うため、敵対的生成ネットワーク（Generative Adversarial Network、以下GAN）を用いてデータ拡張を適用し、筋電位データの拡充を図った。これらの成果については、国際会議で発表を行った("An Attempt at Data Augmentation for Realizing User Authentication Using s-EMG Signals")。なお、本研究を自らの研究テーマとする大学院生・卒研生が協力してくれたため、特に学生雇用は行わなかった。
以上のように、当初の進捗には満たないものの、研究をある程度は進めることができた。ただし、当初予定していた深層学習に用いる高速ワークステーションの購入とセットアップは、全体的な研究の遅れから、次年度に延期することとした。
|
| 今後の研究の推進方策 |
昨年度に引き続き、筋電位からのジェスチャ（ハンドサイン）推定に深層学習を適用する研究を進める。具体的には、(1) 筋電位測定データの前処理プログラムのさらなる改良、(2) 高速ワークステーションのセットアップ、(3) 深層学習を用いた、単一被験者の複数のジェスチャの認識の3つを中心に行う。これまで、測定した筋電位から当該のジェスチャの箇所を切り出し、ノイズ除去ののちグラフ画像化するプログラムを作成している。さらに、測定された生データにかけるフィルタに工夫を加え、ノイズが適切に除去されるようにした。ただし、得られたグラフが中央に収まらず、左右に寄ってしまう画像が得られたり、ノイズの除去が不十分であるようなケースは解消できていない。このような画像の質が認識率に影響することが予想されるので、高品質のグラフが描画できるように、画像化のプログラムを改良する。次に、2年目に予定していた、GPUを備えた深層学習用高速ワークステーションの購入を1年延期したため、その購入を今年度に行い、科学計算用ソフトウェアをインストールして計算機環境を整備する。最後に今年度は、学生に協力してもらい、複数の被験者を対象とてジェスチャの筋電位測定を行い、人の識別を図る実験に取り掛かる。
|
| 次年度使用額が生じた理由 |
新型コロナウイルス感染症流行の影響で、研究の進捗が全体として遅れているために、当初は2021年度に購入予定であった深層学習の計算用ワークステーション（Deep learning box）の購入を2022年度に延期することとした。そのために、大きな差額が生じている。当該のワークステーションは2022年度に購入し、購入済みの深層学習計算用のソフトウェアをインストール・セットアップを行い、予定の研究を進める。
|
