異なる家具配置に対応可能なリアルタイム行動認識システム開発のためのデータ収集と分析

摘要

近年，高齢者見守りの必要性や，省エネに対する意識の高まりに伴い，宅内における生活行動を認識したいという要求が高まっており，宅内生活行動を自動認識する研究が盛hに行なわれている．生活行動を自動認識する技術を高齢者見守りや省エネ家電制御等のサービスに利用するためには，多様な行動を高精度かつリアルタイムに認識することが必要となる．これまで著者らは，住人のプライバシーに配慮し，カメラやマイクを用いずに位置情報と消費電力情報のみを用いて 10 秒以内に行動を認識する研究を進めてきた．研究を進めるにあたり，リアルタイムにデータを収集する環境は構築できたが，短期間のセンサデータから正確に行動を認識することや，学習結果を家具の配置などが異なる異なる家庭に適用することが難しいことが分かってきた．本稿では，それらの課題を解決するため，特徴量の追加，加工や選定を行うことで，家具配置に依存せず，高精度かつリアルタイムに行動を認識することを目指した手法を提案する．提案手法では，精度の向上のために，新たな特徴量の導入，各特徴量の重要度を基にした特徴量の選定を行い，それぞれにおいて 15 種類の行動に対する機械学習モデルを構築する．また，異なる家具配置に対応するために，位置情報を領域情報に変換し，各消費電力情報を正規化して機械学習モデルを構築する．スマートホームで，計 23 日間のデータを収集し，提案手法を適用した結果，平均 66.103% の認識精度を達成した．また，特徴量の追加，特徴量の選定を行った場合に，平均 68.061%，平均 66.850% と認識精度に若干の改善が見られた．さらに，提案手法を用いて，ある家具配置の学習データで構築した行動認識モデルを別の家具配置に適用した結果，平均 24.340% の認識精度となったが，学習データを増やすことで，平均 54.473% に認識精度を改善できることを確認した．