BLEビーコンを所持する徘徊高齢者のパーティクルフィルタを用いた追跡手法の検討

1. ＢＬＥビーコンを所持する徘徊⾼齢者の
パーティクルフィルタを⽤いた
追跡⼿法の検討
福本 加奈恵， ⽩松 俊， 岩⽥ 彰(名古屋⼯業⼤学)

2. はじめに:背景と⽬的
背景: ⾼齢化による認知症⾼齢者の増加
2025年には国内⾼齢者の5⼈に1⼈，700万⼈が認知症
徘徊⾏動を⾒守るためのアプリ「⾒守りプラス」[永井 16]
徘徊⾼齢者にBLE(Bluetooth Low Energy)ビーコンを持たせ，
スマートフォンを所持した捜索者が探す
Ø BLEはGPSよりも⼩型で消費電⼒が少なく，電池1つで約1年動作
詳細な位置推定はせずビーコンを検出したことのみを通知
Ø ⾯識のないボランティアによる捜索時は声掛けの対象が絞れない
⽬的: 声掛けの⼿がかりとなる位置推定精度の実現
[永井 16] 永井, クグレ, 岩⽥: BLE発信機とスマートフォンを⽤いた⾼齢者⾒守り機構の開発.
研究報告⾼齢社会デザイン(ASD), 2016-ASD-4(1), 2016.
⾒守り袋
の画像

3. 従来⼿法
⽩松らの⼿法[⽩松 16]では、⾼齢者は移動していないと仮定
BLEビーコン（発信機）とスマートフォン（受信機）は各１つずつ
探索者の移動につれて多地点で電波強度(RSSI値)を計測
事前確率分布に基づいて多地点の計測結果を確率的に統合
[⽩松 16] ⽩松 他:徘徊⾼齢者捜査のためのBLEビーコンの電波強度分布を⽤いた位置推定⼿法，
IPSJ SJG-ASD, 2016-ASD-4(2), 2016.

4. 従来⼿法：実験⽅法
ビーコンを⽊に固定し，スマートフォンを
持った探索者が直線ルートを歩いて計測
• ルート：最接近時5mと20m
• 歩⾏距離：30ｍ後⽅から接近し，
追い越して10ｍ前⽅まで40m
RSSI値を計測し、事前確率分布に基づいて
ビーコンの存在確率の⾼いグリッドを求める
測位誤差：ビーコンの真の位置と計測された
グリッドとの誤差
BLE
ビーコン
30m
10m
20m
5m

5. 従来⼿法：実験結果
10m 20m 30m（最接近時） 40m（通過）
上位2グリッド（0.5m2） 18.36m 28.21m 18.35m 13.91m
上位10グリッド（2.5m2） 14.55m 24.27m 12.38m 10.32m
上位20グリッド（5m2） 13.15m 21.01m 7.76m 7.93m
⽐較⼿法(交点の重⼼) 32.86m 28.30m 25.65m 23.72m
10m 20m 30m（最接近時） 40m（通過）
上位2グリッド（0.5m2） 32.58m 32.13m 15.26m 8.07m
上位10グリッド（2.5m2） 29.78m 29.78m 14.28m 6.21m
上位20グリッド（5m2） 29.17m 25.29m 12.41m 5.79m
⽐較⼿法(交点の重⼼) 21.20m 17.74m 14.18m 11.47m
ルートA(最接近時の距離5m)を歩⾏した時の測位誤差
ルートB(最接近時の距離20m)を歩⾏した時の測位誤差

6. 従来⼿法：考察
追い越した後に5〜10ｍ程度の測位誤差
最接近時に7〜12m程度の測位誤差
⼀回に⾒渡せる範囲に⾼齢者が存在すると考えられる
声掛けの⼿がかりになり得ると⽰唆

7. 従来⼿法の問題点
探索対象の徘徊⾼齢者が⽌まっていると仮定している
ため、
⾼齢者が移動している場合の探索が困難
⾼齢者が等速直線運動をしていると仮定し
パーティクルフィルタを⽤いた位置推定を⾏う

8. パーティクルフィルタとは
逐次追跡可能なアルゴリズム
①リサンプリング
②予測
③重み付け（観測）
④状態推定
を繰り返すことで物体を追跡する⼿法
パーティクルフィルタの概略図[松村08]
[松村 08] 松村 他:パーティクルフィルタを⽤いた進⼊検出と物体追跡，2008

9. ①リサンプリング
l初期では⼀様にまく
l重み付きパーティクルをもとに、
パーティクルをまきなおす
• 重みの⼩さいパーティクルは消滅
• 重みの⼤きいパーティクルの周りには、
多くのパーティクルを配置

10. ②予測、③重み付け
②予測
• 移動モデルに基づいて
各パーティクルを移動させる
③重み付け（観測）
• 現在の観測とパーティクルの
状態をもとに尤度を計算

11. ④状態推定
• パーティクルの分布によって
表される確率密度から
現在の状態を計算する

12. 移動モデル、尤度関数
• 移動モデル
Ø 予測で必要
• 尤度関数
Ø 重み付け(観測)で必要
を設計する必要がある
移動モデル
尤度関数

13. 従来⼿法によるビーコンの存在確率
格⼦状のグリッド 𝑥, 𝑦 を設定
観測値が𝑟%のときに 𝑥, 𝑦 にビーコンが存在する確率
𝑝 (𝑥, 𝑦) 𝑟% =
𝑔(𝑥, 𝑦)
∑ 𝑔(𝑥, 𝑦)-,.
このとき，𝑔(𝑥, 𝑦) = ∏ 𝑝 𝑑 𝑞%,(𝑥, 𝑦 𝑟%
2
%34
d(qi, (x,y)): 測定地点qi とグリッド 𝑥, 𝑦 間の距離
p(d | r): RSSI観測値rのとき距離dである確率
d(qi, (x,y))
(x,y)
予め計測されている

14. 移動モデル
等速直線運動を仮定する
• 𝑥5 = 𝑎- 𝑡 + 𝑏-
• 𝑦5 = 𝑎. 𝑡 + 𝑏.
重み付き最⼩⼆乗法により，
パラメータ𝑎-, 𝑏-, 𝑎. , 𝑏.を決定
重み𝐽を最⼩化する
𝐽 = ∑ 𝑝 (𝑥, 𝑦) 𝑟% 𝑥; − (𝑎- 𝑗 + 𝑏-)
>%?@
;3%?A

15. 移動モデル
移動先の座標
𝑥%, 𝑦% = (𝑎- 𝑖 + 𝑏-, 𝑎. 𝑖 + 𝑏.)
𝑥%, 𝑦% を中⼼とした
⼆次元ガウス分布𝑓% 𝑥, 𝑦 を
ノイズとして加算
Ø ガウス分布の標準偏差σは
𝑔% 𝑥, 𝑦 のばらつきと⽐例させる

16. 尤度関数
従来⼿法で計算した
ビーコンの存在確率𝑔% 𝑥, 𝑦 と
移動モデルから計算される
ガウス分布𝑓% 𝑥, 𝑦 の積で定義

17. まとめ、今後の展望
まとめ
• パーティクルフィルタにより移動を考慮した追跡⼿法を検討した
今後の展望
• OpenCVのソースコードを基に，尤度関数と移動モデルの部分を書
き換えて実装
• iPhone端末上で動作するようにし，測位精度を計測する実験を⾏う
• 存在確率の⾼いグリッドの分布を地図上に可視化する予定
• 声のかけ⽅に関するマニュアル的情報提供
Ø 認知症のお年寄りは、うまく声をかけないとパニックになったりすることも
ある