[論文レビュー] Human Gait Database for Normal Walk Collected by Smartphone Accelerometer

Amir Vajdi, Mohammad Reza Zaghian+8 more|arXiv (Cornell University)|May 4, 2019

Gait Recognition and Analysis参考文献 11被引用数 7

ひとこと要約

本論文では、右大腿部および左わき腹に装着したスマートフォンから収集された加速度計データを含む、93名の被験者が2回のセッションで320メートルを歩行した、公開可能な歩行データベースを紹介する。このデータセットは、時間的豊富なマルチセッションデータと詳細なメタデータを提供することで、接触を要しない人間同定のためのディーブラーニングベースの歩行認識を支援する。

ABSTRACT

Gait recognition is the characterization of unique biometric patterns associated with each individual which can be utilized to identify a person without direct contact. A public gait database with a relatively large number of subjects can provide a great opportunity for future studies to build and validate gait authentication models. The goal of this study is to introduce a comprehensive gait database of 93 human subjects who walked between two endpoints (320 meters) during two different sessions and record their gait data using two smartphones, one attached to the right thigh and another one on the left side of the waist. This data is collected to be utilized by a deep learning-based method that requires enough time points. The metadata including age, gender, smoking, daily exercise time, height, and weight of an individual is recorded. this data set is publicly available.

研究の動機と目的

• 接触を要しない歩行パターンを用いた人間同定研究を支援するため、包括的かつ公開可能な歩行データベースの構築を目的とする。
• 多様な被験者群からウェアラブルスマートフォンを用いて複数セッションの歩行データを収集し、モデルの汎化性能を向上させることを目的とする。
• 年齢、性別、身長、体重、喫煙状況、1日あたりの運動時間といった詳細なメタデータを記録し、人口統計的要因に基づく歩行分析を可能にする。
• 長時間の順序データを必要とするディーブラーニング手法に対応できる十分な時間分解能と継続時間を有するデータセットを提供することを目的とする。
• 標準化され、再現可能なデータ収集プロトコルを通じて、歩行認証モデルの開発と検証を促進することを目的とする。

提案手法

• データ収集には2台のスマートフォンを用い、被験者の右大腿部および左わき腹にそれぞれ固定した。
• 被験者は2回の別々のセッションで320メートルを歩行し、繰り返しの歩行パターンを記録した。
• 各歩行セッション中に継続的に加速度計データを記録し、ディーブラーニングモデルが十分な時間点を確保できるようにした。
• 各被験者について、年齢、性別、喫煙状況、1日あたりの運動時間、身長、体重といったメタデータを記録した。
• 両センサーからの同期されたデータストリームをサポートするように、時系列モデリングに適したデータ構造とした。
• 最終的なデータセットは公開され、歩行認識およびバイオメトリクス認証研究における広範な利用を可能にした。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンを用いて収集された大規模かつマルチセッションの歩行データベースは、効果的なディーブラーニングベースの歩行認識を可能にするか？
• RQ2 歩行パターンのセッション間ばらつきは、人物同定におけるモデル性能にどのように影響するか？
• RQ3 年齢、性別、運動習慣といった人口統計的要因が、収集されたデータにおける歩行特性にどの程度影響を及えるか？
• RQ4 複数の身体部位に設置されたスマートフォンから得られる加速度計データは、特徴を識別するのに信頼性を持って歩行特徴を捉えられるか？
• RQ5 データ長および時間分解能は、歩行認証におけるディーブラーニングモデルの性能にどのような影響を及えるか？

主な発見

• 93名の被験者に2回の歩行セッションを実施した結果、2つのセンサー位置で合計186件の異なる歩行記録が得られた。
• 320メートルの歩行距離は、ディーブラーニングアーキテクチャにおける長時間順序モデリングを可能にする十分な時間的継続時間を提供する。
• 大腿部およびわき腹の両位置からの加速度計データは、補完的な歩行ダイナミクスを捉えており、特徴の豊かさを向上させる。
• 詳細なメタデータのおかげで、将来的な研究において人口統計的およびライフスタイル要因が歩行パターンに与える影響を調査できる。
• データセットの公開により、再現可能な研究と歩行認識モデルのベンチマークが促進される。
• その長さ、一貫性、マルチセッション設計のおかげで、このデータセットはディーブラーニングモデルの学習および検証に適している。