学会発表資料

Media Interaction Laboratory, Osaka Institute of Technology
VR を活用した観光システムのための
座位足踏み運動の検出
〇山田夢一途，上田雄大，土谷匠磨，大井翔，河合紀彦，佐野睦夫
大阪工業大学情報科学部
福祉情報工学研究会/オンライン

COVID-19の影響/自然の効果
神戸市調査 ※１
2022/3/11 2
池井らによる調査 ※２
※１「高齢者の虚弱がコロナで加速運動機能が低下、うつ傾向も増加神戸市調査」，『神戸新聞NEXT』，2021年9月5日
※２C. Song, H. Ikei, M. Nara, D. Takayama, Y. Miyazaki. Physiological effects of viewing bonsai in elderly patients undergoing
rehabilitation. Int J Environ Res Public Health 15: 2635, 2018.

必要な条件
•コミュニケーション
•自然鑑賞
•運動
解決手法
2022/3/11 3
高齢者に向けた
会話を楽しみながら
自然豊かな場所を
散策できる
システムの開発
高齢者へのCOVID-19の影響を解決

提案システム体験の様子
2022/3/11 4
実空間
仮想空間
足踏み
• HMD装着状態での歩行の
危険性
• 高齢者の運動機能
座位での足踏み運動を
移動に使用

システム構成
2022/3/11 5
必要システム
• 音声の通信システム
• アバターの同期システム
• 座位足踏みの検出システム
• etc…

歩行検出に関する先行研究
クッション型センサを使用※3
2022/3/11 6
HMD内蔵センサを使用※４
※３大島登志一，枝元蛍，舘脇望，柴田龍輝，“Virtual ISU:座位姿勢での擬似歩行運動による歩行感覚提示インタフェース(第 3 報)，” エンタテインメントコンピューティン
グシンポジウム2016論文集, pp.295-300, 2016.
※４米原あぐり，植村匠，尾島修一，“足踏み動作によるキャラクタの歩行制御の一検討，” 火の国情報シンポジウム2021論文集, A7-4, 2021.
先行研究
特製のセンサ
使用人数少
提案手法
既製のセンサ
使用人数多
提案手法
座位の分類
速度可変
先行研究
立位の分類
速度一定

提案手法
• センサからの加速度データを使用
• 座位での足踏みの認識，分類
• 異なる足踏み速度の認識
2022/3/11 7
脚部へ装着したセンサを用いた
座位足踏み認識

データの取得
2022/3/11 8
M5StickC
0.1sごとに
データ取得

データの前処理
2022/3/11 9
特徴量作成
pow 平均標準偏差

分類手法
1. 閾値を用いた分類
2. サポートベクタマシン(SVM)を用いた分類
3. ニューラルネットワーク(NN)を用いた分類
2022/3/11 10

加速度と比較
•閾値A，閾値B
•特徴量：pow
1. 閾値を用いた分類
2022/3/11 11

2. サポートベクタマシン（SVM）を用いた分類
SVM
2022/3/11 12
x
y
• 特徴量：pow，平均，標準偏差
• 使用した言語：Python
• ライブラリ：Scikit-learn

3. ニューラルネットワーク（NN）を用いた分類
2022/3/11 13
pow
y1
y2
入力層出力層
中間層
y3
yｎ
NNモデル
NN
• 特徴量：pow，平均，標準偏差
• 使用した言語：Python
• ライブラリ：Keras
平均
標準
偏差
静止
歩行
走行

実験
2022/3/11 14
足踏み運動時のデータ取得
9名の実験参加者
• 男性 20代学生
• 3種類の座位運動を30秒ずつ
• 歩行，走行，静止の3状態
• 歩行，走行速度指定無し

実験
2022/3/11 15
足踏み運動時のデータ取得
9名の実験参加者
• 男性 20代学生
• 3種類の座位運動を30秒ずつ
• 歩行，走行，静止の3状態
• 歩行，走行速度指定無し
歩行走行

実験
•閾値のパラメータ
閾値A 1.1G，閾値B 2.0G
•SVMのパラメータ
C=1000,ganma=0.001
•NNのパラメータ
層数 3層
活性化関数 ReLU softmax
エポック数 50
2022/3/11 16

結果
2022/3/11 17
歩行走行静止平均
閾値 62.1% 56.6% 96.6% 73.8%
SVM 70.1% 75.0% 100.0% 79.8%
NN 74.7% 89.1% 93.6% 85.8%
• 歩行，走行ともにNNが
最高精度
• 静止のみSVMが最高精度
→全体的にNNが良い結果

0
1
2
3
4
5
6
7
8
9
0 1 2 3 4 5
考察
歩行，走行の精度
→実験参加者による歩行特徴の違い
2022/3/11 18
加
速
度
(G)
時間(s)
参加者A 走行参加者B 走行
0
1
2
3
4
5
6
7
8
9
0 1 2 3 4 5
加
速
度
(G)
時間(s)

考察
SVM 予測
正解
参加者B 歩行走行
歩行 213 84
走行 164 133
2022/3/11 19
SVM 予測
正解
参加者A 歩行走行
歩行 209 89
走行 33 265
足の挙上速度
歩行速度
それぞれ指定無し
歩行特徴の違い

まとめ
2022/3/11 20
COVID-19
自然の効果
自然観光システム作成
• 音声通信
• アバターの同期
• 座位歩行の検出
座位足踏みの検出手法
• 閾値
• SVM
• NN
歩行走行静止平均
閾値 62.1% 56.6% 96.6% 73.8%
SVM 70.1% 75.0% 100.0% 79.8%
NN 74.7% 89.1% 93.6% 85.8%
今後の予定
• SVM，NNのシステムへの実装
• 高齢者に体験，アンケート
• 精度の向上
• 速度指示
• 事前にデータ取得

2022/3/11 21

参考文献
• [1] 「高齢者の虚弱がコロナで加速運動機能が低下、うつ傾向も増
加神戸市調査」，『神戸新聞NEXT』，2021年9月5日，(閲覧日2021-
11-07)
• [2] ・C. Song, H. Ikei, M. Nara, D. Takayama, Y. Miyazaki.
Physiological effects of viewing bonsai in elderly patients
undergoing rehabilitation. Int J Environ Res Public Health 15:
2635, 2018.
• [3] [3] ・H. Ochiai, C. Song, H. Ikei, Y. Miyazaki. Effects of
visual stimulation with bonsai trees on adult male patients with
spinal cord injury. Int J Environ Res Public Health 14: 1017, 2017.
2022/3/11 22

参考文献
•[4] 大島登志一，枝元蛍，舘脇望，柴田龍輝，“Virtual ISU:
座位姿勢での擬似歩行運動による歩行感覚提示インタ
フェース(第 3 報)，” エンタテインメントコンピューティングシ
ンポジウム2016論文集, pp.295-300, 2016.
•[5] 米原あぐり，植村匠，尾島修一，“足踏み動作によるキャ
ラクタの歩行制御の一検討，” 火の国情報シンポジウム
2021論文集, A7-4, 2021.
2022/3/11 23

1. COVID-19による影響/自然の効果
近年，うつ傾向の高齢者が増加[1]
自然がうつ等の高いストレス状態を緩和[2][3]
Virtual Realityを用いた自然観光システムの作成
2022/3/11 24

1. 研究背景②
池井らによる調査[2][3]
•うつ病患者を対象
•自然によるリラックス効果
2022/3/11 25

1. 研究背景
2022/3/11 26
図 2.1 足踏み運動のイメージ
実空間
仮想空間
実空間

2. 従来研究②
•センサを用いた歩行認識に関する研究
• HMD内蔵センサによる歩行検出[5]
• 立位での静止，歩行，走行を分類
•それぞれ指定した速度
2022/3/11 27

•走行
• 手始めに走行と歩行と静止の3状態で
• 実際に高齢者は走行はしない
• ただ，足のあげる速さなどを仮想空間内の移動に反映したい
• 臨場感歩行と静止のみでは
• 最終的には歩行内で3段階ほどの速度の違いを認識，反映をお
こないたい
2022/3/11 28

今後の課題
•それぞれの手法を実装
•高齢者に体験，アンケート
•精度の向上
2022/3/11 29

学会発表資料

Recommended

Recommended

More Related Content

Recently uploaded

Recently uploaded (8)

Featured

Featured (20)

学会発表資料

Editor's Notes