空調制御のために熱画像からAIにより非接触でリアルタイムな代謝量推定を試みる研究

点击翻译按钮获取中文摘要

物体検知AIモデルに基づく姿勢判別AIモデルの判別精度の改善のため，熱画像カメラおよび普通画像カメラで撮影した男性3名，女性3名の画像約2500枚を，従来の物体検知モデルYolo v3よりも判別精度が高いとされる“Yolo v5”に学習させたモデルを構築した．しかし，構築したモデルの判別精度は全体として25％ほどにとどまった．学習データ数や学習方法の再検討が必要となる結果となった．物体検知AIモデルのような大量の画像データによる事前の学習が不要であり，人間の躯幹部や四肢の関節部位の画像上での座標データが得られ，画像中の複数の人物の検知も可能であることから，骨格検知AIモデル“POSENET”による姿勢判別の可能性を検討した．POSENETにより得られる関節部位の座標データのうち，肩，腰，膝，足首に着目し，肩から足首までの高さに占める肩から腰，腰から膝，膝から足首までの高さの割合により立位，椅座位，平座位の姿勢を判別する方法を考案し，撮影した6人分約2500枚の画像を利用して人物の姿勢の判別精度を検討した．前記４関節部位の高さ方向の割合の姿勢間・撮影方位間で比較検討したところ，棒状でシンプルな形状である立位は比較的高い精度で判別できそうであるのに対して，腰や膝の関節が折れ曲がる椅座位や平座位では前方向からの撮影なのか後方からの撮影であるかにより肩，腰，膝，足首の関節の高さ方向の位置関係が大きくバラつき，前記４関節部位の位置関係からの姿勢判別は難しいことが判明した．また，手間と時間がかかる写真撮影によらないより容易な画像データの収集方法を検討するためにインターネット上の画像中の人物の姿勢をPOSENETで判別させその精度を検討したところ，POSENETでは臥位の人体の下半身の関節を検知しないことが多く，姿勢判別への応用にはまだ改善を要する項目があることが判明した．