[Reference /引用はこちら]
Chengshuo Xia, and Yuta Sugiura, Wearable Accelerometer Layout Optimization for Activity Recognition Based on Swarm Intelligence and User Preference, in IEEE Access, vol. 9, pp. 166906-166919, 2021. [DOI]
人間の行動を識別するHuman activity recognition (HAR)システムは，ヒューマン・コンピュータ・インタラクション，ユビキタス・コンピューティング，そして機械学習の分野で非常に注目されている研究分野である．従来のHARシステムは現実環境内に設置されたセンサに基づいてサービスを提供するが，センサの配置が変わるとHARシステムの認識精度も変化するため，新しい学習データセットが必要になる．センサの配置はHARシステムの精度に影響することから，センサ配置を最適化したい．そこで本論文は，バーチャルセンサデータを用いてセンサ位置を最適化するシステムを提案する．本システムに設置したいセンサの数を与えると最適なセンサの配置を割り出す．従来のHARシステムは現実環境に設置されたモーションキャプチャ（加速度センサや距離センサを含む）から人間の動作を認識して，バーチャル空間内に人間の3次元運動を復元したが，本システムのバーチャルセンサは加速度や距離といった数値をバーチャルな信号データとして取得する．このバーチャルセンサデータを利用することで少ない手間で学習データを生成できるだけでなく，少ない手間で分類器を生成できる．本研究は，HARシステムにおけるセンサ配置を最適化する新しいアルゴリズムを開発し，実データセットとバーチャルデータセットにおける学習効率について検証した．実データセットの収集は，10人に10通りの異なる動作をさせて収集した．実データセットをベースライン法とベンチマークを含む8つの方法で検証した結果，本手法は，センサ配置における計算コストだけでなく，その精度においても高いパフォーマンスを示した．さらに，バーチャルデータセットを実際のHARシステムの開発に組み込む方法も検証した．3種類のHARシステムを構築して検証した結果，本手法は高い汎用性を持つことを実証した． 本手法は，ベースライン法を用いた評価において高い計算速度（センサ配置のすべての組み合わせ計算速度）を示し，バーチャルデータセットは実データセットより簡単に扱えることを明らかにした．これはHARシステム構築の新しい選択肢になり得る．そして本手法はHARコミュニティの発展に貢献すると考える．今後は多くの人々が簡単にHARシステムを開発できるように，本手法をHARシステムのインタフェースとして実装したい．
Wearable intelligent systems that recognize the daily activities of humans have significantly contributed to many useful applications. However, in practical wearable applications, the target individuals may have different body conditions and demands in terms of sensor wearing. Sensors may return different information depending on their placement, which to some extent determines the quality of a recognition system. Obtaining the optimal sensor positions with the highest recognition accuracy plays a significant role in activity recognition design. To contribute to a flexible and user-friendly wearable sensor layout, this paper designed a multistage and multiswarm discrete particle swarm optimization algorithm to explore the best sensor combinations and accuracy trends corresponding to different requirements of sensor numbers. The proposed optimization scheme is applied to investigate the influences that different numbers and placements of wearable accelerometers have on an activity recognition system. Furthermore, to address the issue of user preference regarding the sensor position, a relevant sensor layout can also be designed based on the demands and physical condition of the subject. The proposed method can determine the best sensor position (combinations) with lower computational cost for various activity recognition systems.