Research on the real-time fall prevention system using IMU sensors based on machine learning methods which can be used anywhere on daily basis

基于机器学习方法的IMU传感器实时防跌倒系统研究，可在日常任何地方使用

• 批准号: 21K12798
• 负责人: 戸谷 伸之
• 金额: $ 2.66万
• 依托单位: Hokkaido Information University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12798/
• 关键词: 歩容解析; 転倒防止; 機械学習; IMU; 歩容分析

本研究の目的は，上肢のセンサで得られた加速度等のデータから転倒の危険性のある歩行等，歩容の異常を判別する方式を提案し，その判定精度の向上を図り，転倒防止システム実現の可能性を検証することである．2022年度は，機械学習によってどの程度の精度で歩行状態の判別が可能かを調査することを目標として，以下の内容で研究を進めた．転倒の危険性のある歩行として，これまでの主な判別対象である「足上げ高さの不足した歩行」に加え，「ふらつきのある歩行」についても重要視し分析を行った．「ふらつき歩行」は，転倒の危険性のある歩行状態として重要であると考えられる．ここでは加速度データの数値の大小だけでなく機械学習を適用した際の判別精度を求め，本方式の有効性について調べた．機械学習で用いる特徴量として，加速度データだけではなく他のパラメータの有効性についても調べた．検討複数のアルゴリズムを適用して分析した結果，特定のアルゴリズムにおいて特に高い正解率が得られ，本方式における歩容判別に有効であることが確認された．また公開された歩容データを用いて回帰分析を行った．これまで足上げ高さが閾値を超えるかどうかで判別を行ってきたが，今回はさらに数種類の機械学習を用いた回帰分析により足上げ高さを推定した．この結果，特定のアルゴリズムを用いた場合に真値との相関が高くなることが明らかになった．最終年度となる2023年度はこれまで求めてきた判定性能を踏まえ，具体的に転倒防止システムの実現方法について検討し，その有効性を調べていく予定である．

は の purpose, this study upper limb の セ ン サ で have ら れ た acceleration etc. の デ ー タ か ら planning pour の dangerous 険 sex の あ る step line, such as abnormal step let の を discriminant す を proposal し る way, そ の determination precision の upward を 図 り, planning down to prevent シ ス テ ム be possibility is の を 検 card す る こ と で あ る. 2022 annual は, rote learning に よ っ て ど の の discriminant が state の で step line precision degree may か を survey す る こ と を target と し て, following の content を で research into め た. Planning pour の dangerous 険 sex の あ る step line と し て, こ れ ま で の main な discriminant like で seaborne あ る "foot high げ さ の insufficient し た step" に え, "ふ ら つ き の あ る step" に つ い て も important visual line し analysis を っ た. "Youdaoplaceholder0 step" えられる, 転 inverted <s:1> dangerous 険 <s:1> ある step state と て て important であると examination えられる. こ こ で は acceleration デ ー タ の the numerical の size だ け で な く rote learning を applicable し た interstate の discriminant accuracy を め, this way の have sharper sex に つ い て adjustable べ た. With mechanical learning で い る, 徴 quantity と し て, acceleration デ ー タ だ け で は な く he の パ ラ メ ー タ の have sharper sex に つ い て も adjustable べ た. Beg plural の 検 ア ル ゴ リ ズ ム を applicable し て analysis し た results, specific の ア ル ゴ リ ズ ム に お い て に especially high rate of positive い solution が ら れ, this way に お け る step discriminant に capacity have sharper で あ る こ と が confirm さ れ た. Youdaoplaceholder0 make された steps available for デ and タを to go back to 帰 to analyze を lines った using て て. こ れ ま で foot high げ さ が threshold numerical を super え る か ど う か で line discriminant を っ て き た が, today back to は さ ら に の mechanical learning を several species use い た 帰 back analysis に よ り foot high げ さ を presumption し た. こ の results, specific の ア ル ゴ リ ズ ム を with い に た occasions really interesting と の phase masato が high く な る こ と が Ming ら か に な っ た. Final year と な る 2023 は こ れ ま で o め て き た determine performance を tread ま え, specific に planning down to prevent シ ス テ ム の be presently method に つ い て 検 for し, そ の have sharper sex を adjustable べ て い く designated で あ る.

项目成果

高齢者のための歩容見守り方式の検討 －慣性センサと無線通信の適用－

老年人步态监测方法研究-惯性传感器与无线通信的应用-

• 发表时间: 2022
• 作者: 戸谷伸之，北川広大，和田親宗

シミュレーションによる上肢の加速度情報を用いた足の高さ推定手法の基礎検討

基于仿真的上肢加速度信息的足部高度估计方法的基础研究

• 发表时间: 2022
• 作者: 戸谷伸之，北川広大，和田親宗;北川広大，和田親宗，戸谷伸之
• 通讯作者: 北川広大，和田親宗，戸谷伸之

Automatic Gait Classification using Arm Acceleration based on Stature and Gait Speed

使用基于身材和步态速度的手臂加速进行自动步态分类

• 发表时间: 2022
• 作者: Kodai Kitagawa;Chikamune Wada;Nobuyuki Toya
• 通讯作者: Nobuyuki Toya

Foot Clearance Prediction Using Wrist Position: A Pilot Study Via Public Dataset

使用手腕位置预测足部间隙：通过公共数据集进行的试点研究

• 发表时间: 2021
• 作者: Kodai Kitagawa;Chikamune Wada;Nobuyuki Toya
• 通讯作者: Nobuyuki Toya