Comments
Description
Transcript
スマートフォンを用いた高齢者安否確認シ ステムの研究
平成 26 年度 修士学位論文 スマートフォンを用いた高齢者安否確認シ ステムの研究 A study on aged persons safety confirmation system using smartphones 1165088 井上 裕喜 指導教員 清水 明宏 2015 年 2 月 9 日 高知工科大学大学院 工学研究科 基盤工学専攻 フロンティア工学コース 要 旨 スマートフォンを用いた高齢者安否確認システムの研究 井上 裕喜 近年，日本の高齢者の割合の増加に伴い，高齢者の単身世帯数が増加している．また，高 齢者の事故発生場所数では自宅内での事故が大半を占めている．そのため，遠隔地からでも 高齢者の安否が確認できるシステムの需要が高まっている． 既存サービスには，センサー，監視カメラ，ボタン通報機のシステムを利用したものがあ る．センサーは，コストが安いものだと異常動作の発見が遅れ，性能が良いものだと設置コ ストが高い．監視カメラは，プライバシーの問題や複数用意する場合はコストがかかる．ボ タン通報機は，高齢者の意識が無い場合だと通報することができない． 本論文では，既存サービスの問題点を解決した高齢者安否確認システムの手法を提案と 開発を行った．スマートフォンの加速度センサーを用いて対象の動作や行動パターンを学習 し，そのデータから正常動作と異常動作の識別を行い，高齢者の安否を確認できるシステム を提案した．そして，実際にシステムを開発し，評価を行った．結果，限定的な行動に対し ては異常行動を検出することができた． キーワード スマートフォン，加速度センサー，安否確認 –i– Abstract A study on aged persons safety confirmation system using smartphones Yuki INOUE In recent years, aged persons’s number of single-person households is increasing with the increase in Japanese aged persons’s percentage. Moreover, in elderly people’s number of accident occurrence places, the accident in a house occupies most. Therefore, the demand of the systems which elderly people’s safety can check even from a remote place is increasing. Existing service includes a thing using a sensor and a surveillance camera and a button report machine. The sensor that cost is low is behind with discovery of the abnormal movement. The high-performance sensor has high setting cost. The surveillance camera has The issue of privacy. When there are multiple cameras, it costs. The aged persons cannot report the button report machine if there is not the consciousness of their. I performed technique suggestion and the development of the aged persons safety conformation system which solved the problems of the existing service in this article. The technique that I suggested learns target movement and behavior pattern using the acceleration sensor of the smartphone. The technique that I suggested distinguishes the abnormal movement from normal movement from learning data and can confirm the safety of the elderly person. I performed development and an evaluation by a system. The result was able to detect abnormal behavior for the restrictive action. key words Smartphone, acceleration sensor, safety confirmation – ii – 目次 第1章 はじめに 1 1.1 背景と目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 本論文の概要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 第2章 日本の高齢化社会について 3 第3章 高齢者安否確認サービス 5 既存サービス . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 3.1.1 センサーを用いたサービス . . . . . . . . . . . . . . . . . . . . . . 5 3.1.2 監視カメラを用いたサービス . . . . . . . . . . . . . . . . . . . . . 6 3.1.3 ボタン通報器を用いたサービス . . . . . . . . . . . . . . . . . . . . 7 3.1.4 既存サービスのまとめ . . . . . . . . . . . . . . . . . . . . . . . . . 8 3.1 第4章 4.1 4.2 第5章 スマートフォンと行動認識技術 9 スマートフォンについて . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 4.1.1 スマートフォンの概要 . . . . . . . . . . . . . . . . . . . . . . . . . 9 4.1.2 スマートフォンによる問題解決理由 . . . . . . . . . . . . . . . . . 10 加速度センサーを利用した行動認識技術 . . . . . . . . . . . . . . . . . . . 11 4.2.1 加速度センサー . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 4.2.2 行動認識技術 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 高齢者安否確認の提案システム 16 5.1 高齢者安否確認システムの概要 . . . . . . . . . . . . . . . . . . . . . . . 16 5.2 異常検知の方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 異常動作の定義 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 5.2.1 – iii – 目次 5.2.2 第6章 異常動作検知手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 横に倒れる動作 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 同じ動作が続く状態 . . . . . . . . . . . . . . . . . . . . . . . . . . 21 自動動作識別の評価実験 24 6.1 実験環境 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 6.2 横に倒れる動作の評価 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 6.3 同じ状態が続く動作の評価 . . . . . . . . . . . . . . . . . . . . . . . . . . 25 おわりに 27 7.1 まとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 7.2 今後の課題 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 第7章 謝辞 28 参考文献 29 – iv – 図目次 2.1 日本の人口推移 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2.2 高齢者の割合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2.3 要介護者の割合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.4 家庭内事故発生場所 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.5 高齢者の割合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 4.1 OS 市場の割合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 4.2 出荷台数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 4.3 3 次元の方向 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 4.4 元データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4.5 平均データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4.6 加速度の差データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 4.7 提案手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 5.1 前データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 5.2 後データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 5.3 左データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 5.4 右データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 5.5 加速度の差・前データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 5.6 加速度の差・後データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 5.7 加速度の差・左データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 5.8 加速度の差・右データ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 5.9 提案方式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 5.10 加速度データ・正座 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 –v– 図目次 5.11 加速度データ・胡坐 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 5.12 提案方式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 5.13 加速度データ・直立 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 5.14 加速度データ・前かがみ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 – vi – 表目次 5.1 加速度の変化量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 5.2 1 日動作時間の最大値 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 6.1 認識率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 6.2 誤認率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 6.3 前方式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 6.4 提案方式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 – vii – 第1章 はじめに 本章では，本研究における社会的背景と目的について述べ，本論文の概要について述べる． 1.1 背景と目的 近年，日本の総人口が減少していることに対し，高齢者人口は増加していることにより， 高齢者社会になっている．それに伴い，年々，要介護者数も増加していることにより，国民 一人当たりの高齢者の介護負担が増加する．また，高齢者の事故発生場所では自宅内事故が 多く，高齢者の単身世帯数が増加していることから，遠隔地でも高齢者の安否が確認できる システムが必要になると考えられる．遠隔地から安否を確認する方法として，センサ，監視 カメラ，ボタン通報機などを使用しているものがある．しかし，介護支援サービスと高性能 の機器を利用するためコストが発生すること，高齢者の行動が把握できるためプライバシー の問題が出てくる．また，コストが少ない手法だと即時性が劣っていることや本人の状態に より重大な事故が発見されず時間が過ぎてしまい，命の危険性に関わる場合がある． そこで，従来のサービスよりコストが安価，プライバシー問題を解決でき，高齢者の状態 に関係なく機能する高齢者安否確認システムの研究を行う．安否を確認する方法として，ス マートフォンの加速度センサーを使用する．そして，センサから得られた値から対象の行動 を認識し，異常動作を検知可能であるかの検証を行う． –1– 1.2 本論文の概要 1.2 本論文の概要 本論文は，介護者の負担を軽減するとともに，自動で高齢者の安否を確認できるシステム の研究を行う．第 2 章では，日本の高齢者社会の現状を述べ，高齢化問題の危険性を示す． 第 3 章では，既存の高齢者安否確認サービスの現状を述べ，その問題点を示す．第 4 章で は，現状のスマートフォンと今回利用する行動認識技術について述べる．第 5 章では，提案 するスマートフォンを用いた高齢者安否確認システムについて述べる．第 6 章では，提案す るシステムの実験及び評価を行う．第 7 章では，提案システムのまとめ，今後の課題につい て述べる． –2– 第2章 日本の高齢化社会について 近年，日本の総人口が減少しているのに対し，少子高齢化の影響から高齢者の割合が大き くなってきている [1]．高齢者は，65 歳以上の人のことを指す．人口推移を図 2.1 に全体の 人口に対する高齢者の割合を図 2.2 に示す． それに伴い，要介護者数が増加傾向である [2]．要介護者とは， 要介護状態にある 65 歳以上の人、もしくは、要介護状態にある 40 歳から 64 歳までの 人で、特定疾病（政令に定められている、加齢にともなって生じる心身の変化に起因す る疾病）によって、身体上か精神上の障害を持つ人 の事を指す [3]．この推移を図 2.3 に示す．これらの結果より，これから国民一人当たりに対 して，高齢者の介護負担が増加すると言える． 次に，高齢者事故発生場所数を図 2.4 に示す [4]．図 2.4 より，高齢者の事故発生場所数で 図 2.1 日本の人口推移 図 2.2 高齢者の割合 –3– 図 2.3 要介護者の割合 図 2.4 家庭内事故発生場所 図 2.5 高齢者の割合 は住宅が一番多い．それに伴い，高齢者単身世帯数が増加傾向である．高齢者単身世帯数を 2.5 に示す [5]．これは，地方の若者が都心部に移ることにより，子供と同居している世帯が 減少していることなどが挙げられる．これらの結果より，これから単身世帯高齢者の事故が 増加すると言える．これらの背景から，身体上か精神上の障害を持つ高齢者の家庭内事故が 増加していき，今後，高齢者の孤独死などが社会的問題になってくる考えられる．この問題 を解決するためには，高齢者の事故が発生したときに，自動で事故を発見できるシステムが 必要になってくる．自動で対応することにより，高齢者の事故に対しての死亡率を下げるこ とができる．それを実現するためには，遠隔地からでも高齢者の安否を確認できるシステム が必要になる． –4– 第3章 高齢者安否確認サービス 本章では，高齢者の安否を確認できるサービス又は製品の現状と問題点を述べる． 3.1 既存サービス 既存の高齢者安否確認システムのサービスには，センサー，監視カメラ，ボタン通報器の 3 つのものがある．ここでは，既存のサービスを例に挙げながら手法と問題点を述べる． 3.1.1 センサーを用いたサービス センサーを用いたサービスには，家にある家電やドアなどの物にセンサーを取り付け，そ の使用状況から安否を確認する．以下に既存のサービスの例を挙げる． サービス名 みまもりほっとライン i-pot[6] 企業名 象印マホービン株式会社 サービス概要 使用状況（電源のオン，給油，保湿中）の状態を記録できるポットを家に設置する．記 録した使用状況を家族に 1 日 2 回 e メールで送信する．また，出かける場合にはボタン 一つで家族に知らせることができる． –5– 3.1 既存サービス サービス名 一人暮らし高齢者安否確認システム [7] 企業名 株式会社 LIBERO サービス概要 家の居間トイレなどのドアにセンサーを設置する．センサーから開閉信号が設定された 時間内に送られてこなかった場合に，電話回線を使って家族の携帯電話などへ自動的に アナウンスで知らせる． センサーの問題点は，常に高齢者本人の動作を解析していないため，異常動作を発見する のに遅れるという点がある．また，専用センサーの場合だと設置コストが高くなり導入する のが簡単ではない． 3.1.2 監視カメラを用いたサービス 監視カメラを用いたサービスは，主に部屋の中に web カメラを設置し直接確認する又は 動体検知を行うことで安否を確認する．既存の製品・サービスの例をあげる． 製品名 お部屋を見守るライブカメラ [8] 企業名 マスプロ電工 製品概要 家の中に部屋を見渡せる web カメラを設置する．カメラは対象が中心に映るよう に自身が動く．そして，動きや声、室温の変化を感知したら，家族に e メールで知らせる． –6– 3.1 既存サービス サービス名 ラムロックシステム [9] 企業名 株式会社ラムロック サービス概要 家の中の部屋すべてに web カメラを設置する．そのカメラはカーテンの開け閉めや 就寝状態，対象以外の人が入ってきた場合に検知できる．また，時間ごとにカメラ に動きがあった場合に，そのカメラがあった部屋の情報記録していく．記録した状 態を閲覧することができ，その情報から調子が悪いなどの状態を確認することができる． 監視カメラの問題点は，いつでも監視をすることができるがプライバシーの問題がで る．また，複数の部屋がある場合は，それぞれカメラを設置する必要があるためコストがか かる． 3.1.3 ボタン通報器を用いたサービス ボタン通報器を用いたサービスは，対象が急な発病やケガなど異常を感じた場合に通報機 のボタンを押すだけで知らせることができる．家族や業者の方が電話や直接訪問で安否を確 認する．以下に，既存のサービスの例を挙げる． サービス名 セコム・ホームセキュリティ[10] 企業名 セコム株式会社 サービス概要 対象にペンダント型の通報機や実際に通話することのできる機器を持たせる．そして， 体調を崩したなどの異常があった場合に通報機で知らせ，業者の方が電話又は直接訪問 –7– 3.1 既存サービス をする．必要であれば 1 日 1 回電話，メール，直接訪問を行う． ボタン通報機の問題点は，異常状態があればすぐに通報することができるが，本人の意識が 無かった場合に通報することができない問題点がある． 3.1.4 既存サービスのまとめ ポットなどの家電に内蔵されているセンサーやボタン通報機などのサービスは，コストが 安い利点があるが常に状態を確認していない又は本人の意思が無いことによって通報され ず，異常状態が発見されない問題がある．また，家の様々なところに監視カメラや専用セン サーを設置して確認するサービスは，対象の状態を細かく確認することができるがコストが 高い又はプライバシーの問題がある． この問題を解決するために，コストが安い，プライバシーの問題を解決，常に状態を把握 でき，自動で異常状態を通報できるシステムの研究を行う．今回は，安否確認システムを実 現するための機器にスマートフォンを利用する．スマートフォンには加速度センサーが内蔵 しており，その反応から行動認識を行い，異常を検知する．スマートフォンと行動認識技術 については次章で述べる． –8– 第4章 スマートフォンと行動認識技術 本章では，今回の研究で使用するスマートフォンと行動認識技術の説明を行う． 4.1 スマートフォンについて まずは，スマートフォンの説明をする．そして，利用することによって従来サービスの問 題点を解決できる理由を述べる． 4.1.1 スマートフォンの概要 スマートフォンとは，携帯情報端末（PDA）と携帯電話機能を持った多機能携帯電話 のことである．従来の携帯電話と比べ，汎用の OS を搭載しているためユーザーが自由にソ フトウェアを追加することができる．OS には様々なものがあるが，市場のシェアは図 4.1 より，google 社の Android，Apple 社の iOS の 2 つでほとんどである [11]． スマートフォンには様々な機能があり，インターネットの接続によるウェブの閲覧・メー ルの送受信，マルチメディアプレーヤーによる音楽ファイルの再生・静止画や動画の閲覧， カメラによる写真や動画撮影，GPS による位置情報サービスなどがある．また，無線 LAN の規格である Wi-Fi に対応している機種もあり，屋外では携帯電話のデータ通信技術，屋 内ではより高速な無線 LAN と使い分けることができる． –9– 4.1 スマートフォンについて 4.1.2 スマートフォンによる問題解決理由 スマートフォンを利用することにより，従来の高齢者安否確認サービスの問題を解決する ことが可能であると言える．スマートフォンを利用することにより以下のメリットがある． 1. コストが安い 2. 人の行動を端末自身で認識できる 1 の理由は，近年，大手通信会社以外の企業が低価格のスマートフォンを販売しているか らである．そのため，低コストでシステムを導入することができる．また、図 4.2 からわか るように市場全体も伸びてきており，その中でも，ローエンドのスマートフォンの市場の伸 び率が大きい [12]．このことから，今後低コストのスマートフォンが入手しやすい環境にな る傾向であると言える． 2 の理由は，スマートフォンには様々なセンサーが内蔵しており，センサーから得られた 値を分析することにより行動を認識することができる．また．端末自身が行動を分析するた めプライバシーの問題も解決できる．そして，スマートフォンを一台所持するだけでシステ ムが機能するため，監視カメラのように複数利用する必要がない．今回の研究では，加速度 センサーを利用して行動を認識する．加速度センサーについては次節で説明する． 図 4.1 OS 市場の割合 図 4.2 出荷台数 – 10 – 4.2 加速度センサーを利用した行動認識技術 4.2 加速度センサーを利用した行動認識技術 まずは，スマートフォンに内蔵されている加速度センサーの説明をする．そして，それを 利用することによってどのように行動を認識できるかの説明を行う． 4.2.1 加速度センサー 物体の加速度 (速度の変化率) を計測するための装置である． 加速度とは，1 秒間に変化する速度の変化量のことである．ある物体が初速度 v0 から t 秒後に速度 v に達した時の加速度 a は式 4.1 となる．単位は m/s2 である． a= v − v0 t (4.1) この加速度から，物体の動きを予測することができる． 加速度センサーは物体の移動速度を直接計測はしていない．そのかわり，状態変化を連続 的に記録していくことで現在の状態を推測している．また，重力による運動変化も計測して いるため，物体の傾き具合を検出することも可能である． スマートフォンの加速度センサーは，XYZ 軸のそれぞれの加速度の値を計測することが できる．3 軸の方向は図 4.3 となる．また，センサーを取得する時間間隔は，0ms，20ms， 60ms，200ms の 4 つを設定することができる． 図 4.3 3 次元の方向 – 11 – 4.2 加速度センサーを利用した行動認識技術 4.2.2 行動認識技術 加速度センサーを利用した行動認識技術には，単一の加速度センサーを使用するものと 複数の加速度センサーを使用するものがある．今回は，スマートフォン 1 台を想定している ため，単一の加速度センサーで行動認識できる技術を利用する． 行動を認識する研究には高速フーリエ変換を用いた推定手法 [13] や高速アダマール変換 を用いた手法 [14] などがある．これらの技術は非常に高い認識率を実現しているが，アルゴ リズムとしては計算時間が掛ると言われている [15]． 今回使用する行動認識の手法は表宏樹の手法を用いる [15]．この手法は，得られた加速度 をもとにしきい値を決定し，そのしきい値に基づいて判定を行っている．他の技術と比較し， 計算がとてもシンプルであるため計算時間の大幅な縮小が可能となり，行動を行ってから判 定を行うまでのタイムラグが少ない特徴がある．そのため，動作の処理が重くならないこと や電力の消費が少なくなることが見込まれる．今回の安否確認システムは長時間の稼働を予 定しているため，この手法は適していると言える． 今回用いる手法では， 「座る」， 「立つ」， 「歩く」の 3 つの動作を識別することができる．手 法の流れは以下の通りである． 「立つ」， 「歩く」の XYZ 値を取得 1. 「座る」， 2. 得られた加速度データを加工 3. 算出したデータをもとにしきい値を決定 4. しきい値を提案手法に代入 1 については， 「座る」， 「立つ」， 「歩く」の値は図 4.4，図 4.5，図 4.6 のようになる．それ ぞれ値は特徴的なものとなる．この取得した値を記録する． 2 については，そのままのデータではしきい値を決定するのが難しいため，加工を行い 識別を容易にする．加工は「動作時の加速度の 1 秒間の平均」と「1 つ前の加速度との差の 絶対値の平均」の計算を行う．平均を「ave」，加速度の差を「diff」とした場合，式は 4.2， – 12 – 4.2 加速度センサーを利用した行動認識技術 図 4.4 元データ 図 4.5 平均データ 4.3 のようになる． 1 (an + an+1 + an+2 + an+3 + an+4 ) n ∈ N 5 (4.2) 1 (|an+1 − an | + |an+2 − an+1 | + |an+3 − an+2 | 5 + |an+4 − an+3 | + |an+5 − an+4 |) n ∈ N (4.3) ave = dif f = 2 つの計算は，連続した 5 つの値で計算を行う．平均の計算は，元データの図 4.4 と図 4.5 を比較して分かるように振れ幅が減少していることが分かる．この計算を行うことによりノ イズを減少させる．加速度の差の計算は，図 4.6 の「歩く」の値は振れ幅があるが，それ以 外の動作の値は 0 付近に収束していることが分かる．この計算により， 「歩く」とそれ以外の 動作を区別しやすくする．この 2 つの計算によって，しきい値の決定を容易にする． 3 については，先ほど加工した 2 つのデータからしきい値を決定する．しきい値は，動 作の値がすべて収まるように上限と下限の 2 つを決定する．まず， 「歩く」動作とそれ以外の 動作のしきい値を決定する．図 4.6 から分かるようにそれ以外の動作は 0 付近に収束される ため， 「歩く」動作の間をしきい値に設定することにより，2 つの動作は区別することができ る．この値は下限の値となる．上限の値は，歩く動作の最大値とする．これにより，上限と 下限の間になる値は歩くの値となる．次に， 「座る」と「立つ」の動作のしきい値を決定す る．図 4.5 から分かるように，XYZ 値はそれぞれ一定の値に収束される．2 つの動作それぞ れの値の間をしきい値とすることで動作を区別することができる．この値は，上限または下 – 13 – 4.2 加速度センサーを利用した行動認識技術 図 4.6 加速度の差データ 限の値となる．そして，決定していないもう片方の上限か下限の値は，それぞれの値の最小 値または最大値となる．これにより．これにより，上限と下限の間になる値は「座る」また は「立つ」の値となる． 4 については，先ほど求めたしきい値を提案手法に代入する．XYZ 値の 1 秒間の平均を x-ave，y-ave，z-ave とし，XYZ 値の 1 秒間の加速度の差の絶対値の平均を x-diff，y-diff， z-diff とすると提案手法のアルゴリズムは図 5.1 となる．式 A，式 B はそれぞれ式 4.4，式 4.5 となる． 図 4.7 提案手法 – 14 – 4.2 加速度センサーを利用した行動認識技術 A = x − dif f 下限 < x − dif f < x − dif f 上限 or y − dif f 下限 < y − dif f < y − dif f 上限 or (4.4) z − dif f 下限 < z − dif f < z − dif f 上限 B = x − ave 下限 < x − ave < x − ave 上限 or y − ave 下限 < y − ave < y − ave 上限 or (4.5) z − ave 下限 < z − ave < z − ave 上限 式 A の上限・下限は「歩く」動作の値となる．式 B の上限・下限は「座る」動作の値とな る．これにより， 「座る」， 「立つ」， 「歩く」の行動を識別することができる． – 15 – 第5章 高齢者安否確認の提案システム 本章では，提案するスマートフォンを用いた高齢者安否確認システムの概要と異常検知の 方法を述べる． 5.1 高齢者安否確認システムの概要 既存の高齢者安否確認システムの問題を解決するために，次の 3 つを実現したシステム を提案する． • 対象の異常動作を報告する • 対象の動作を自動で識別する • 既存のシステムの問題点を解決する システムの流れは以下のようになる． 1. 対象に加速度センサーを内蔵したスマートフォンを所持する 2. スマートフォンに対象の異常動作を検知するための情報を学習する 3. 常に加速度センサーの値を取得し，学習した異常動作のパターンと比較を行う 4. 異常動作と判断すれば介護者に報告する 5.2 異常検知の方法 この説では，対象の異常動作を検知する方法について述べる． – 16 – 5.2 異常検知の方法 5.2.1 異常動作の定義 高齢者における家庭内事故の要因は以下のものにまとめられる [16]． 1. 階段からの転落、転倒 2. 屋外作業中の転落 3. 食料品等の誤飲・誤嚥 4. 着衣着火でのやけど 5. 風呂場での転倒、やけど 以上の事故から，加速度センサーを利用して検知できる異常動作は以下の物になると考えら れる． 1. 横に倒れる動作 2. 同じ状態が続く動作 3. スマートフォンを所持していない 横に倒れる動作は，転落や転倒の動きは勢いよく横に倒れる動作が予想される．同じ状態が 続く動作は，動作に勢いが無い状態で意識が失った場合に同じ状態が続くと予想される．ス マートフォンを所持していないは，風呂場の事故などの場合だとスマートフォン自身を所持 していなく動作を識別できる状態では無いと考えられる．よって，所持していない状態が続 く場合は異常動作とみなす．これにより，同じ状態が続く動作とスマートフォンを所持して いない状態は同じ異常動作として扱う． 5.2.2 異常動作検知手法 横に倒れる動作と同じ状態が続く動作の 2 つの状態でそれぞれ手法を提案する． – 17 – 5.2 異常検知の方法 図 5.1 前データ 図 5.2 後データ 図 5.3 左データ 図 5.4 右データ 横に倒れる動作 横に倒れる動作は，階段や屋外作業中などのときに勢いよく倒れて意識を失った場合や急 に意識を失ってそのまま倒れる場合を想定している．実際に勢いよく倒れた動作の値を取得 した．動作の内容は，立った状態から前後左右に横に倒れたものである．スマートフォンの 場所は，ズボンのポケットである．実際のデータは，図 5.1，図 5.2，図 5.3，図 5.4 のよう になった． 4 つの図より，それぞれの XYZ 値の変化は表 5.1 のようになる．表 5.1 から分かるよう に，Y 値がすべての方向で減少している．よって，勢いよく倒れる動作は加速度の Y 値が 減少する． – 18 – 5.2 異常検知の方法 表 5.1 加速度の変化量 図 5.5 倒れた方向 X Y Z 前 減少 減少 減少 後 増加 減少 増加 左 減少 減少 増加 右 増加 減少 減少 加速度の差・前データ 図 5.6 加速度の差・後データ また，現在の加速度と 1 つ前の加速度の差の値も取得した．結果は図 5.5，図 5.6，図 5.7， 図 5.8 のようになった． 4 つの図から分かるように，すべての値が急激に増加して減少して いることが分かる．よって，勢いよく倒れる動作の加速度の差は，すべての値が激しく増加 し減少する．そのあとに，動かなくなるため加速度の差は 0 付近になる． よって，勢いよく倒れる動作は Y 値が減少し，加速度の差がすべての値が急激に増加し て減少した後に 0 付近になる特徴がある．それを踏まえ，転倒を検知する提案方式は図 5.9 のようになった．図の中の C，Ｄ，E はそれぞれ式 5.1，式 5.2，式 5.3 となる． 式 5.1 は，転倒した際の Y 値の比較を行っている．落差 Y 値というのは，転倒の初動の 値から転倒中に一番減少した値を引いた数となる．その値を一定回数学習し，その中で一番 落差が低い値をしきい値とする． – 19 – 5.2 異常検知の方法 図 5.7 加速度の差・左データ 図 5.8 加速度の差・右データ 図 5.9 提案方式 式 5.2 は，加速度の差の XYZ 値の比較を行っている．転倒した際の加速度の差は急激に 増加している．その値を一定回数学習し，その中で一番低いものをしきい値としている． 式 5.3 は，加速度の差が転倒した後に一定期間動かない状態であるかの比較を行っている． 動かない状態であるという事は，0 付近で留まるからである． この提案方式により転倒を検出する． C = (Y 値 < 落差 Y 値の最小値) (5.1) D = ((X 値 > X 値の最小値)and (Y 値 > Y 値の最小値)and (5.2) (Z 値 > Z 値の最小値)) E = 一定期間 XY Z 値が 0 付近 – 20 – (5.3) 5.2 異常検知の方法 表 5.2 1 日動作時間の最大値 動作 時間 座る 7.4 時間 立つ 12.5 時間 歩く 1.4 時間 同じ動作が続く状態 対象が意識を失って倒れた際には，同じ状態が続くと考えられる．しかし，普段の生活時 でも同じ状態が続くことも予想される．そこで，普段の生活ではそれ以上同じ状態にならな い時間の上限を設定し，それ以上の時間を超えた場合に検知する． 時間設定の方法は，1 日に同じ状態が続く時間を実際に一定期間計測し，最高値を上限と する．品川らの研究では，1 日の行動パターンを分類していることに成功している [17]．1 日単位でデータを分析すれば行動パターンを特徴付けることができると考えられる． 実際に，4 章で説明した行動認識手法を利用し，8 時から 23 時までの 15 時間を 2 週間ほど 計測した結果，最大値は表 5.2 のようになった．結果は，全体的に「立つ」の時間が一番多 かった．理由は，行動認識のアルゴリズムが「歩く」と「座る」以外の加速度の値が「立つ」 動作と判定されるためであると考えられる．また，今回の場合では立つ動作が続く場合であ ると約半日も検知されない結果となる．自宅で動けなくなってからの生存者の割合が 3 時間 以内で 91%，3 から 6 時間以内で 80%のであると言われていることから十分な時間ではな いと言える [18]．時間を短くするために「座る」と「立つ」を再分類化し，最大値を下げる ようにする．そうすることにより．検知時間をより短くする．再分類化する方法は，停止動 作の種類を増やすことにより行う．実際に，座り方の違いとして「正座」と「胡坐」の値を 取得した．その結果，図 5.10，図 5.11 のようになった． 2 つ図より，すべての動作の XYZ 値が一定の値に収束しているが，すべての 3 つの値が 同じところで収束している組み合わせは見受けられない．よって，停止動作の細分化は可能 – 21 – 5.2 異常検知の方法 図 5.10 加速度データ・正座 図 5.11 加速度データ・胡坐 であると言える． 以上の事から，予想される対象の停止する動作の XYZ 値を事前に学習することにより， 動作の検知できる種類を増加させる．これにより，学習したデータの最大値を下げ検知時間 を短くすることができると考えられる．このことを踏まえ，提案方式は図 5.11 のようになっ た．図の中の F，G はそれぞれ式 5.4，式 5.5 となる，G は G1 ，G2 ，G3 のいずれかの式とな る．式 C は，先ほどの座った状態である図 5.9，図 5.10 と立つ状態の値である図 5.13，図 5.14 では，比較すると分かるように y 値が立つの動作のほうが全体的に高い．よって， 「立 つ」と「座る」の中間の y 値をしきい値とすることにより 2 つの状態を区別する．式 D は， 「立つ」， 「座る」のそれぞれの動作の中でも加速度の値が違ってくるため，しきい値をもけ ることによって区別する．図 5.14 では 1 回のみの比較となっているが，多くの動作を判定 する必要がある場合は式 D を繰り返して行う． F = y − ave >「立つ」と「座る」の中間の y 値 (5.4) G1 = x − ave > しきい値 G2 = y − ave > しきい値 G3 = z − ave > しきい値 – 22 – (5.5) 5.2 異常検知の方法 図 5.12 提案方式 図 5.13 加速度データ・直立 図 5.14 加速度データ・前かがみ – 23 – 第6章 自動動作識別の評価実験 本章では，提案したシステムを実装し，評価実験を行う．評価は， 「横に倒れる動作」と 「同じ状態が続く動作」の 2 つを行う． 6.1 実験環境 今回の研究では，以下の内容のスマートフォンを使用する． • 製品名 : Xperia GX SO-04D • OS : Android 4.0.4 • CPU : Qualcomm Snapdragon S4 Plus MSM8960 1.5GHz(デュアルコア) • RAM : 1GB • ROM :16GB • サイズ (高さ×幅×厚さ ) : 約 131mm ×約 69mm ×約 10.5mm（最薄部約 8.6mm） • 質量 : 約 127g • 電池容量 : 1700 ｍ Ah スマートフォンは，画面が体に向くようにポケットに入れて行った． 6.2 横に倒れる動作の評価 直立の状態から横に勢いよく倒れる動作を前後左右にそれぞれ 25 回ずつ計 100 回行った． 認識率は表 6.1 の結果となった．また，歩く動作を 100 秒行い，異常動作と検知する誤認率 – 24 – 6.3 同じ状態が続く動作の評価 表 6.1 認識率 前 後 左 右 認識率 20 回 19 回 22 回 23 回 84% 表 6.2 誤認率 誤認率 8% を調査した．その結果，表 6.2 となった． 認識率は 84%とある程度高い結果となったが，人命関わることなので 100%に近い検知率 にする必要がある．誤認率が 8%という結果は，日常で使用するには頻繁に検知する結果と なる． この結果から，今回の提案方式では倒れた加速度の値と普段の動きの加速度の値は類似する 動きが存在すると言える． 6.3 同じ状態が続く動作の評価 事前に学習する停止動作は以下のとおりとある． • 歩く • 直立 • 前かがみ • 正座 • 胡坐 そして，歩く動作を 20 秒，その他を 10 秒と一分間動作を行い，前方式と提案方式を同時に 起動させた結果，表 6.3，表 6.4 の通りとなった． – 25 – 6.3 同じ状態が続く動作の評価 表 6.3 前方式 動作 歩く 立つ 座る 時間 28 秒 15 秒 17 秒 表 6.4 提案方式 動作 歩く 直立 前かがみ 正座 胡坐 時間 28 秒 7秒 8秒 9秒 8秒 前の方式と比べて，提案方式のほうが低い数値となった．そのため，今回の検知までにか かる時間を減少することができると考えられる．しかし，同じ動作が多い傾向であると効果 が薄くなるとも考えられる． – 26 – 第7章 おわりに 7.1 まとめ 本論文では，日本の高齢者の現状から高齢者安否確認システムの必要性を述べ，既存のシ ステムの問題点を述べた．そして，問題点を解決するために，スマートフォンを用いて高齢 者の行動を分析し，異常動作を検知する手法を述べた．提案システムの有用性を示すため に，評価実験を行った．実験の結果は，倒れる動作は認識率 84%，誤認率 8%となり，同じ 状態が続く動作は前手法よりは検知する時間を下げる可能性が高いことを示した．この結果 から今回の手法は，限定的な行動に対しては検知をすることができるが，日常的に使用する には精度を向上させる必要があると言える． 7.2 今後の課題 今回の研究は限定的な行動で異常動作を検知する前提のことであるため，今後はより多く の行動を分析できる手法が必要であると言える．分析できる手法としては，加速度センサー の値だけではなく，体温計や心拍計など本人の体調のデータ，RFID タグやカメラなどの位 置情報データを利用して組み合わせることにより細かく分析できることも考えられる．そし て，今後はスマートフォンだけでは無く，メガネや腕時計型の身に着けて持ち歩ける情報端 末であるウェアラブル端末の研究や開発が盛んになってくるため，その分野に展開していく こともできる [19]． – 27 – 謝辞 本研究の遂行と論文作成にあたって，言葉では言い表せないほどの御指導，御助言をいた だきました高知工科大学情報学群 清水明宏教授に心より感謝し厚く御礼申し上げます．本 研究の副査を担当していただいた高知工科大学情報学群 吉田真一准教授，植田和憲講師に 深く御礼申し上げます． – 28 – 参考文献 [1] 内 閣 府 ，平 成 24 年 度 版 高 齢 社 会 白 書 ，http://www8.cao.go.jp/kourei/ whitepaper/w-2012/zenbun/． [2] 厚生労働省，”要介護度別認定者数の推移”，http://www.mhlw.go.jp/shingi/2010/ 05/dl/s0531-13d03.pdf，2010/05． [3] 探す/調べる/相談する介護 110 番，”ことば辞”，http://www.kaigo110.co.jp． [4] 内 閣 府 ，平 成 25 年 版 高 齢 社 会 白 書 ，http://www8.cao.go.jp/kourei/ whitepaper/w-2013/gaiyou/s1_2_1.html． [5] 内 閣 府 ，平 成 26 年 版 高 齢 社 会 白 書 ，http://www8.cao.go.jp/kourei/ whitepaper/w-2014/zenbun/s1_2_6.html． [6] 象印マホービン株式会社，http://www.mimamori.net/service/ [7] 株式会社 LIBERO，http://www.anzentaisaku.com/anpikakunin/index.htm [8] マスプロ電工，http://www.maspro.co.jp/products/security/hs3/ [9] 株式会社ラムロック，http://www.ramrock.co.jp/ramrocksys/ [10] セ コ ム・ホ ー ム セ キュリ ティ ，http://www.secom.co.jp/homesecurity/plan/ senior/?utm_source=google&utm_medium=cpc&wapr=54d24a3a [11] Strategy of Global Analytics，”Android Smartphone Captures Shipments in 84% Q3 Share 2014”http: //blogs.strategyanalytics.com/WSS/post/2014/10/31/ Android-Captures-84-Share-of-Global-Smartphone-Shipments-in-Q3-2014. aspx [12] 矢野経済研究所，”スマートフォン・タブレットの世界市場に関する調査結果 2014”， http://www.yano.co.jp/special/20140601/ictb/index.html． [13] 倉沢 央ら，”センサ装着場所を考慮した 3 軸加速度センサを用いた姿勢推定手法”，情 – 29 – 参考文献 報処理学会研究報告書，Vol.2006 No.54，2006-UBI-011． [14] 林 敏樹ら，”3 軸加速度センサを用いた姿勢推定手法へのユーザ適応機構の導入”，電 子情報通信学会総合大会講演論文集，B-19-28，2008-03-05． [15] 表 宏樹，”スマートフォンの 3 軸加速度センサを用いた人間の行動認識”，http: //miuse.mie-u.ac.jp/bitstream/10076/13418/1/2012M244.pdf． [16] 独立行政法人，”医療機関ネットワーク事業からみた家庭内事故−高齢者編−”，http: //www.kokusen.go.jp/news/data/n-20130328_3.html． [17] 品川 佳満ら，”行動パターン分類による独居高齢者の非平常日検出”，川崎医療福祉学 会誌 Vol.15 No.1 2005 175-181． [18] Gurley RJ ら，”Persons found in their homes helpless or dead．”，N Engl J Med， 334(26)，1710-1716，1996． [19] 総 務 省 ，”平 成 26 年 版 情 報 通 信 白 書”，http://www.soumu.go.jp/ johotsusintokei/whitepaper/ja/h26/html/nc141330.html – 30 –