Development of passive type fatigue quantification device for biological control systems

生物控制系统被动式疲劳量化装置的研制

• 批准号: 19K04302
• 负责人: 菊池 誠
• 金额: $ 2.25万
• 依托单位: Ibaraki National College of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K04302/
• 关键词: 非侵襲計測; 生体制御系; モニタリング; システム同定; ストレス; 疲労; パッシブ; パッシブ型

ヒトの移動や動作に関する活動量をその動画像から定量化するシステムを昨年度に引き続き改良して、オフィス内の特定の作業者の動きを追跡することで作業者とオフィス全体の作業量を算出するシステムを試作した。また、その追跡性能を確認するために、資料動画を利用して、室内でのヒトの移動や屋外での歩行中の活動量に関して計測を試みた。ここでは特定の作業者の移動と定位置での動きを追跡することを想定して、全身を対象とする特徴抽出方法と、上半身、特に頭蓋頚椎移行部の回旋運動や上下左右の動き、頭蓋頚椎移行部の曲がりに合せて特徴点を抽出する方法の二種類の認識手法を一つのシステムの中で並行して実行した。このように二つの認識手法を組み合わせて利用することで、身体を移動させるといった大きな動きと椅子に座って仕事をするといった小さな動きの両方を評価した。また、動画像内の他の複数の対象に対しても評価値を算出して、そのカメラから撮影できるグループ全体の活動量の定性的な変化を計測するシステムを目指した。また、屋内外での歩行を追跡する場合、追跡途中で発生するヒトと物およびヒト同士の重なりや、部屋の出入り口で生じるヒトの“出現”と“消滅”の処理が必要になる。新たに認識した対象が実際は既知で過去の対象の断続的な再出現なのか、また、同じの対象でも服装などの違いで、別の対象として認識される場合があることなど、複数点で連続的に起こるこれらの出来事について対象の記録や管理が必要となることもわかった。当該年度はこの問題への対応が必要になったため、アルゴリズムを改良しながら、移動・運動方向の差による活動量の違いなども含めて試行した。その結果、必要な処理を時間内に実行するためには、対象の情報を事前に機械に登録して学習させることや、より高速な処理系が必要であることもわかった。現在は既存の装置を工夫して対応方法を試している段階である。

从去年开始，我们继续改善系统，以量化与视频中人类运动和运动有关的活动量，并创建了一个原型系统，该系统通过跟踪办公室内的特定工人的运动来计算工人和整个办公室的工作量。此外，为了确认跟踪性能，我们试图测量在室内运动期间的活动量，并使用视频材料在户外行走。 Here, in order to track the movement and movement of a specific worker in a fixed position, two types of recognition methods were performed in parallel in one system: a feature extraction method targeting the whole body, and a method for extracting feature points according to the rotational movement of the upper body, particularly the cranial cervical spine transition, up, down, left and right movement, and the bending of the cranial cervical spine transition.通过将这两种识别技术结合在一起，我们评估了大型运动，例如移动身体和小动作，例如坐在椅子上。我们还旨在创建一个系统，该系统可以计算视频图像中其他多个对象的评估值，并测量可以从整个组摄像机捕获的活动量的定性变化。此外，在跟踪在室内和室外的步行时，有必要处理跟踪过程中人类与物体之间的重叠，以及在房间入口和出口处发生的人类的“外观”和“消失”。还已经发现，有必要记录和管理这些事件在多个点上连续发生的事件，例如，新认识的对象是否实际上是已知的，并且是否在过去的物体中重新出现，即使是同一对象也可以将同一对象识别为另一个对象，因为这一问题需要解决这个问题，因此我们试图提高差异和差异。结果，还发现，要在时​​间限制内执行必要的处理，有必要在机器上预先注册目标信息以学习它，并使用更快的处理系统。目前，我们正在尝试处理现有设备的方法。

项目成果

CNNsとARMAXモデルを使用した生体制御系のパラメータ推定

使用 CNN 和 ARMAX 模型进行生物控制系统参数估计

• 发表时间: 2020
• 作者: 小田邦彦;古荘純次;菊池武士;原口真;下岡綜，赤木徹也，堂田周治郎，小林亘;菊池 誠
• 通讯作者: 菊池 誠