機械学習によるカメラ画像を用いた着衣量・代謝量推定に関する実証研究

点击翻译按钮获取中文摘要

2年目（2022年度）は地下街の通過者を観察調査した後に1年目に引き続き「着衣量」、今年度から「代謝量」推定の機械学習モデルを組み込んだプログラムの構築を行った。東京駅地下街である八重洲地下街のメインアベニュー（人通りが一番多い通路）を対象とした。実施期間は、4月～1月の間で平日と休日合わせて計32日分、いずれも通勤時間帯の朝9時、ランチタイム12時、退勤時間17時にそれぞれ15分間3回撮影を行った。1)着衣量の推定は、a)動画データから10秒毎に静止画を切り出し、b)静止画内の人物を物体検知し、背景から切り出し、c)人物の着衣スタイルを分類（AI（機械学習））、d)着衣スタイルからクロ値を読み取る、までのa～dまでが自動分析が行われるプログラムの構築を行った。プログラムによる平均クロ値の推定誤差が15％程度あるため、着衣スタイルの分類方法とそれに伴う学習データセットの精度向上を図る課題が残された。2)着衣量の男女30人による被験者実験を行った。本研究で用いている一般カメラとサーモカメラの比較で、着衣スタイルは、サーモカメラ画像の正答率が91%と一般カメラの87％より若干高く、素材の断熱性（厚み）については一般カメラ画像の正答率の方が74%とサーモカメラ画像の66％より高かった。一般カメラとサーモカメラは着衣量推定のし易さはほぼ同等であった。3)代謝量は、体重と歩行速度の積に比例していると6人の被験者実験による確認を行った。そこで、動画データから、a)人の体積をPIFu（機械学習モデル）により推定、b)着衣スタイル毎に体積を補正（着衣スタイルと体積の関係は被験者実験により検証）、c)被験者実験で計測した人体密度と推定した体積から体重を推定、d)歩行速度は、動画内の移動距離と時間から算出し、地下街の歩行者90名の代謝量は平均145.5Wであった。