ベイズ推定を用いた加速度センサからの人物姿勢の推定に向けて ○ 弓 山 卓 哉 † 右 田 尚 人 ‡ 井 上 創 造 † 西 田
†
健†
九州工業大学
Toward Estimation of Human Postures from an Acceleration Sensor Using Bayesian Estimation Takuya Yumiyama, Naoto Migita, Sozo Inoue and Takeshi Nishida
†
Kyusyu Institute of Technology
A b s t r a c t : I n t h i s p a p e r , w e p r o p o s e a m e t h o d e s t i m a t e h u m a n p o s t u r e s f r o m acceleration sensors, using bayesian estimation. We formalize the probabilistic
model, and show a preliminary experiment in a single dimension with the data
collection tool we developed.
1.
はじめに
本 研 究 で は ，ス マ ー ト フ ォ ン な ど の 携
帯機器に埋め込まれた加速度センサの
情報から，ベイズ的手法により, 人物姿
勢 を 推 定 す る こ と を 目 標 と す る ．加 速 度
から二回積分により姿勢を解析的に求
めることは, 変数の多さや誤差の累積に
よ り 困 難 で あ る が ，ベ イ ズ 推 定 を 用 い る
こ と に よ り ，無 理 な 姿 勢 と い っ た 頻 度 の
偏りを考慮した姿勢推定が期待できる．
本 論 文 で は ，加 速 度 セ ン サ か ら の 姿 勢
推 定 手 法 の 定 式 化 を 行 い ，動 作 認 識 デ バ
イス, および加速度センサを用いて姿勢
情報と加速度データを収集するシステ
ムを構築した．また予備評価として，本
シ ス テ ム を 用 い て 1次 元 空 間 に お け る 加
速度と変位の条件付き確率分布を生成
するシステムを構築し, それを用いて，
加速度データから一次元の変位の推定
結果を確認した．
2.
関連研究 カメラと加速度・角速度センサを用い
てセンサの所持位置と向きを推定する
研 究 [ 1 ] が あ る が ，我 々 の 研 究 は 加 速 度 の
みから人物の姿勢を推定することを目
指 す . 他 に ， Kinectと IMU（ Inertial
Measurement Units） 間 の デ ー タ 変 換 に 関
す る 研 究 も あ る [2].
Kinectは 深 度 画 像
から人物姿勢を推定するシステムで，
IMUは 関 節 に 付 け た セ ン サ か ら 人 物 の 動
き計測する装置である．我々の研究も
Kinectを 用 い て い る が ， ベ イ ズ 推 定 に よ
る確率的アプローチを行う点が異なる．
3.
加速度センサからの姿勢のベイズ推定
加速度センサ付きの携帯端末を持つ
人 物 の 姿 勢 ベ ク ト ル L={l1,l2,… }を 推 定
し た い ． 各 li =(lix、 liy、 liz)は 関 節 iの 変 位
だ と 考 え る と 良 い ．本 来 は こ れ ら の 変 数
は 時 刻 t の 関 数 と な る が ，こ こ で の 説 明 に
は 不 要 な の で ， 以 下 で は tを 省 略 す る ．
ある時刻において加速度センサから
得 ら れ る 加 速 度 を S=(Sx、 Sy、 Sz)と す る ．
加 速 度 Sか ら 姿 勢 Lを 求 め る に は ，
L=argLmax P(L|S)
を求めればよい．ベイズの定理から，
P(L|S)は P(S|L)・ P(L)に 比 例 す る . ま た ，
こ の 加 速 度 セ ン サ の 値 は 重 力 加 速 度 Gと
運 動 加 速 度 Aの 合 成 で あ る か ら ，
L= argLmax P(G＋ A|L)・ P(L)
と な る ． P(G+A|L)は P(G|L)と P(A|L)の
畳 み 込 み 積 分 で 求 ま る か ら ，結 局 P ( G | L ) ,
P(A|L), P(L)を 事 前 に 用 意 す れ ば よ い .
4.
データ収集および予備実験
この節ではデータ収集システムおよ
び ， 1次 元 空 間 で の 予 備 実 験 を 述 べ る ．
4.1 データ収集システム データを収集するためのソフトウェ
ア を Processing環 境 で 作 成 し た ． 作 成 し
た ソ フ ト ウ ェ ア の 画 面 イ メ ー ジ を 図 1に
示 す ． Kinectか ら の 姿 勢 情 報 と 同 時 に 加
速 度 セ ン サ の 値 も UDP通 信 で 受 信 し ， 姿
勢情報と同じタイミングでサンプリン
グしファイルに保存する．同時に，音声
と動画も保存する. 周波数は加速度が
1 0 0 H z , K i n e c t が 3 0 H z で あ る が ，上 述 の よ
う に Kinectの 周 波 数 に 同 期 さ れ る ． 加 速
度 セ ン サ で あ る iPodTouch上 の ソ フ ト ウ
ェ ア は ， Hasc Logger[3]を 用 い た .
図 1 データ収集システムの画面
4.2 予備実験 加速度センサの水平の動きから変位
を推定する予備実験を行った．被験者1
名に加速度センサを右手に持ってもら
った．センサの持ち方は，画面が表向き
を 向 く , つ ま り 左 手 側 が 正 の X軸 速 度 に
な る よ う に し た ．記 録 を 開 始 後 , 約 1 分 間
手 を 横 方 向 に ゆ っ く り ，か つ 緩 急 を つ け
て動かしてもらった. このデータを元に
P(S|L)お よ び P(L)の 分 布 を 作 り ， セ ン サ
の 変 位 L を 3 章 の 方 法 で 推 定 し た ．た だ し
加 速 度 は 0.2G, 変 位 は 5cmを 階 級 幅 と し
て離散化した．水平方向なので，今回は
重 力 加 速 度 Gに つ い て の P(G|L)は 考 慮 し
ていない．
結 果 を ， Kinectか ら 得 た 変 位 と 加 速 度
と 共 に 元 に 図 2に 示 す ．
図 2で は ， デ ー タ 数 や 階 級 数 が 少 な い
た め 予 測 値（ e s t i m a t e _ l o c a t i o n ）は 直 線 状
に な っ て い る が ， Kinectに よ る 変 位
(true_location)を あ る 程 度 追 随 で き て い
る ． た だ ， 0-12秒 付 近 で は ， 真 の 値 を 見
つけきれずに必要以上に振動を起こし
て し ま っ て い る ．こ れ ら は argmax演 算 に
より最尤推定をしていることも一因だ
が ，今 後 カ ル マ ン フ ィ ル タ や パ ー テ ィ ク
ルフィルタといった時系列フィルタも
導 入 す る こ と で ，精 度 向 上 が 見 込 ま れ る ．
今 回 は Kinectを 用 い た キ ャ プ チ ャ を 用 い
た が ，手 が 体 の 前 に 来 た り す る と キ ャ プ
チャに失敗する現象もたびたび起きた．
精 密 な 確 率 分 布 の 生 成 に は ，モ ー シ ョ ン
キャプチャの高精度化も有用であろう．
図 1 変 位 (true_location)，加 速 度 (acc)，お
よ び 変 位 の 推 定 結 果
(estim ate_location)
5.
まとめ
本論文では加速度データから姿勢の
変位へベイズ推定により変換する手法
を提案し，予備実験を行った．今後，次
元 を 上 げ な が ら デ ー タ を 増 や し ，ま た 別
の関節についても推定を試みる．
関連研究
[1] 進藤康孝, 鏡慎吾, 橋本 浩一：人物の姿勢
情報を用いた加速度・角速度センサの所持位置と
向 き の 推 定 , 一 般 社 団 法 人 電 子 情 報 通 信 学
会,ASN2013-4(2013-05)
[2] Oresti Ba˜nos et al., : Kinect=IMU?
Learning MIMO Signal Mappings to
Automatically Translate Activity Recognition
Systems Across Sensor Modalities, ISWC2012.
[3]HASCTool，http://hasc.jp/
© Copyright 2024 ExpyDoc
