サポートベクターマシンを用いたDepth動画像からの寝返り判定に関する基礎的検討

摘要

In recent years, care of aged people's turnovers is heavy burdens for helpers; in particular, automatic judgment of turnovers is desired. This paper proposes a method that can judge whether aged people being cared turned over by utilizing a depth image sequence acquired by Kinect sensor that observes the aged people in beds. Specifically, image features are extracted from aged people's bodies in the depth image sequences, and are used for classification by Support Vector Machine. As the image features, this paper uses time series data of "xyz differences between left and right shoulders and between the left and right edges of the waist", and "average depth in each block obtained by partitioning the bed area into w by h blocks" for exploring classification accuracies. Experimental results show that the former and latter features achieve 99.5% and 89.5% classification accuracies, respectively. The former gives a better accuracy, but its applicability is limited, while the latter can be applied for more general cases.%近年、高齢者を介護する人々にトつて寝返りの補助は大きな負担トなっており、特に自動的な寝返りの有無判定が望まれている。そこで本論文では被介護者の寝返りの有無の判定を、被介護者を撮像するKinectセンサーの距離画像を利用して行う方法を提案する。即ち、距離画像から被介護者の特徴量を抽出し、サポートベクターマシン（SVM）で寝返りの有無を判定する。寝返りの有無の識別に使う特徴量トして「左右の肩ト腰のxyz座標値の差」ト「ベッド範囲をw×h分割した、各区域の深さ（Depth）の平均値」の2つの特徴の時系列データを対象に、認識率を検討した。その結果、前者は約99.5%、後者は約89.5%の認識率トなった。前者の方が認識率は高かったものの、使用できる状況が限定されており、後者の方が汎用性が高く、使い勝手が良い。