3D Point Cloud-Based Sitting Posture Recognition Using Deep Learning
深層学習を利用した三次元点群データに基づく着座姿勢推定
日本人の一日の平均着座時間は約7時間と非常に長く，これは先進国及び中所得国20か国の中で一番長いと言われています．またデスクワーク時に姿勢を意識するということは非常に難しく，長い時間姿勢を意識せずに着座を続けていると，身体に大きな負担がかかってしまいます．この問題の解決方法として，センシングを利用した姿勢推定により，デスクワーク時の姿勢をモニタリングし，着座者に提示することで行動変容を促すようなサービスが考えられます．
センシングを利用した姿勢推定は，多数行われていますが，カメラや専用のデバイスを利用するものが多く，プライバシの侵害や導入コスト等の問題点が存在します．プライバシを侵害せず，高精度に姿勢推定を行える手法として，三次元点群データを利用した方法が提案されています．しかし，三次元点群データを取得するデバイスは，本来，自動走行や地図作成など，高密度の三次元点群データが必要な用途のために設計されたものであるため，高価，かつ，サイズが大きく，個人の姿勢を推定するような用途には向きません．
そこで本研究では，比較的安価，かつ，卓上に設置可能な大きさで三次元点群データを計測可能なHitonavi-µを用いた姿勢推定手法を提案しています．
提案手法では，Hitonavi-µを用いて取得した着座姿勢の三次元点群データから特徴量を抽出し，深層学習モデルにより着座姿勢を推定します．
発表論文
- 片山ひかる, 水本旭洋, and 山口弘純. "三次元点群データに基づく着座姿勢推定手法の提案." 研究報告モバイルコンピューティングと新社会システム (MBL) 2022.40 (2022): 1-6.
- Hikaru Katayama, Teruhiro Mizumoto, Hamada Rizk and Hirozumi Yamaguchi, "You Work We Care: Sitting Posture Assessment Based on Point Cloud Data", Proceedings of the 2022 IEEE International Conference on Pervasive Computing and Communications Workshops and other Affiliated Events: Demos, pp.121-124