|
さまざまな歩行状態のデータとして、歩行、走行、スキップ、階段上り、階段下りのデータについて加速度データを取得した。さらにそのそれぞれについて、加速度センサを手に持ち画面を見ている状態、腕を振りながら保持している状態、ポケットの中にある状態などについてのデータを取得した。これらのデータを解析して状態推定精度が低下する原因を分析した。その結果、状態推定のためにデータを切り出すタイミングによって、加速度データの周波数成分に大きな変動があることが判明した。
この影響を可能な限り排除するために、さまざまなタイミングで切り出した加速度データから、高速フーリエ変換およびk-means法によるクラスタリングなどを用いて、モデルデータを作成し、状態推定を行った。この結果、多くのケースで状態推定精度が大幅に向上することが判明した。
同時に、状態推定結果とモデルデータとの類似度から状態推定結果の尤度を求めた。しかし、こちらは現段階では有意なデータとはならなかった。また、加速度データから単位時間当たりの歩数を求める手法について検討を行ったが、現時点では携帯端末でも処理可能な簡易な方法では、精度よく歩数を求めることはできていない。
本手法でモデルデータを作成すると、データ数が多くなり、そのままでは携帯端末で処理することが困難であることが判明した。このため、処理を軽量化するためにモデルデータのデータ数を削減しつつ、状態推定精度を低下させない手法を検討する必要があることがわかった。
|
