Half-vs-Half法を適用した選択的不感化ニューラルネットによる筋電パターンの多クラス分類

摘要

表面筋電位信号から人の動作をリアルタイムに認識することは,新たなインタフェース等の開発に繫がる重要な問題である.しかし,認識すべき動作の種類が多いと,それとは無関係な日常的な動きをいずれかの動作と判断してしまう「誤検出」が生じやすいといった問題があった.この問題を解決するため,本研究では新たな多クラス識別法(half-vs-half法）を開発し,既存手法である選択的不感化ニューラルネットに適用した.この新手法に対し,動作時の姿勢や,日常的な動作を考慮した現実的な状況で評価実験を行った結果,既存手法と比べて同等以上の動作認識率を示すと共に誤検出が低下した.提案手法は,クラス数が増えても計算量がそれほど増えず,パラメータ依存性が低くカーネルの設計も不要であること等から,従来よりも実用性の高い方法だと言える.%The real-time classification of human movements by using surface electromyogram (EMG) signals is an important research issue in the development of a new input interface. However, the existing approaches detect irrelevant movements as the target movement, that is, false detection, if the number of the movements to be classified is large. In this research, we propose a new multi-class classification method (half-vs-half method) and apply it to an existing selective desensitization neural network. The result of the evaluation experiment under realistic conditions indicates that the proposed method is rather better than the conventional methods in terms of correct and false detections. The proposed method also does not require more computational time with an increase in the number of classes, complicated parameter setting, and kernel design, which provides a highly practical method for EMG pattern classification.