An ‘Object-Use Fingerprint’: The Use of Electronic Sensors for Human Identification reader: suzuk abstract • 研究のゴールはコーヒーを入れるといった 日常動作を認識すること • 人と物とのインタラクションを分類するため に決定木に機械学習を用いる – 何のセンサー値がもっとも分類精度に影響す るのか考察する • 97%の精度で分類可能 Introduction • Object-Use Fingerprintを使い人の識別を 行う – 日々の活動の中で人とオブジェクトのインタラ クションをセンサデータ値で表す • RFIDリータを着用して用いてタグ付けされ たオブジェクトを検出する • 機械学習を適応してインタラクションパター ンを分類する Background –automated recognition of human activity• いくつかのdata-richセンサを使用する – プライバシーの問題がある – ビデオカメラ、マイクロフォン • 限定されたセンサデータを使用する – 加速度センサなど – RFIDリーダを用いる • 人の動作ではなく、インタラクションから間接的に 活動認識できる オブジェクトインタラクションのパターンから個人を識別した 研究はまだない Methodology • ターゲットとするインタラクション – カップにコーヒーを入れる動作を各人10回やってもらう • 使用するRFID技術 IntelのiBracelet なんかも参考に 複数タグが付属した coffee grinder ＲＦＩＤリーダを右手に着用 • タグ付けした機器（複数タグがついている） – コーヒーメーカー、カップ、スプーン、豆挽き機、フィルターバック の格納容器、コーヒー豆びん、クリームと砂糖の缶 Machine Learning Approach • 決定木による分類を選択 – 最も単純な分類法でプロトタイプに最適 – C4.5決定木分類システムを選択（ID3 algorithm) • 分類に用いる特徴 – インタラクションの対象を分類する • • • – Tag： Group：コーヒーカップの右側と下側のタグなど Object： インタラクションを量る特徴量 1. 2. 3. 4. 5. Detected: 検出されたかどうか Count: 検出された回数 Duration: 検出している時間長 Average Duration: 平均検出時間 Order: 複数タグが検出された順番 List of tag, group, object Confusion matrix of full feature set using cream and sugar Confusion matrix without using cream and sugar One of the decision trees for using cream and sugar Influence result • Accuracy by only subsets of features • Comparison of individual features Effects of Pre-processing
© Copyright 2024 ExpyDoc
