床面圧力センサによる靴の識別モデルの開発と評価 / shoes-EC2024

EC2024デモ発表のポスター

Transcript

1. 床面圧力センサによる 靴の識別モデルの開発と評価 上村 宙¹ 由谷 哲夫² 渋谷 敦子² 湯村 翼¹ ¹)北海道情報大学 ²)First Four Notes合同会社 ・現在、人の動線分析にはカメラを用いた方法が多く提案されているが、遮蔽物による死角が生じた りプライバシーの問題が生じたりする。 ・床面圧力センサを用いて動線分析を行うとカメラを用いた際に生じる問題の多くを解消できる。 ・圧力センサの一つに、圧力に応じて電気抵抗が変わる感圧導電シートVelostatを用いたものがある ・床面圧力センサを用いて動線分析を行うためには、靴の種類などから人物の同定を行う必要がある。 →本研究では、Velostatを用いた床面圧力センサで靴の種類を識別する手法を開発した。 研究背景・目的 ・センサの構造は先行研究を元に図のようにした。 ・銅箔テープの幅は5mm、間隔を20mmとし、縦横12本ずつの 計144点を計測できるセンサを作成した。 ・制御にはArduinoを用いて、100ms毎に0~5Vを4096段階のアナ ログ入力で受け取っている。 センサの構造 ・本研究ではVelostatを用いた圧力センサでの靴の識別を行った。 ・学習後のモデルでのF値が最も高かったのは97.6%だった 。 ・実環境では大量のセンサを使用することになる、センサごとの感度の偏りを学習しないように できる回転データ併合を使用するのが良いと考えられる。 ・実験環境と想定している実環境の違いが大きいため、反応速度や許容圧力などの問題がある ・これらの問題を解決するためにハードとソフト両方の開発を今後も行っていきたい。 おわりに ・スニーカー、上靴、サンダルの三種類を識別する ・モデルは全結合4層ニューラルネットワーク ・収集したデータの数は図の通り、秒数は靴を置いてから圧力を 測定するまでの待機時間、 通常は測定したそのままのデータ、 回転は通常を90度ずつ回転させ データ量を4倍にしたもの 識別モデル ・通常データと回転データともに10秒の方が全体的に F値が高くなっている。 ・10秒待つことによって、置いた際の振動などのノイズが 収まるため、F値が高くなったと考えられる。 ・併合データでは5秒、10秒ともに通常の方がF値が 高くなっている。 ・センサごとの感度の偏りが激しいため、回転させると 学習しきれず、回転データの方がF値が低くなったと 考えられる。 結果と考察 F値