[論文レビュー] Recognizing Activities and Spatial Context Using Wearable Sensors

Amarnag Subramanya, Alvin Raj+2 more|arXiv (Cornell University)|Jun 27, 2012

Context-Aware Activity Recognition Systems参考文献 17被引用数 78

ひとこと要約

本論文では、非同期なウェアラブルセンサおよびGPSデータを統合して、人間の行動と空間的文脈を同時に推論する動的グラフィカルモデルを提案する。粒子フィルタリングと pruning を施した正確な推論を用いたマルチモーダルセンサ入力を統合することで、GPS もしくはセンサ単体を使用する場合よりも高い精度を達成するとともに、ハードウェア負荷を低減し、快適性とバッテリ駆動時間の向上を実現する。

ABSTRACT

We introduce a new dynamic model with the capability of recognizing both activities that an individual is performing as well as where that ndividual is located. Our model is novel in that it utilizes a dynamic graphical model to jointly estimate both activity and spatial context over time based on the simultaneous use of asynchronous observations consisting of GPS measurements, and measurements from a small mountable sensor board. Joint inference is quite desirable as it has the ability to improve accuracy of the model. A key goal, however, in designing our overall system is to be able to perform accurate inference decisions while minimizing the amount of hardware an individual must wear. This minimization leads to greater comfort and flexibility, decreased power requirements and therefore increased battery life, and reduced cost. We show results indicating that our joint measurement model outperforms measurements from either the sensor board or GPS alone, using two types of probabilistic inference procedures, namely particle filtering and pruned exact inference.

研究の動機と目的

• ウェアラブルセンサを用いて、同時に行動と空間的文脈を認識するシステムの開発。
• 着用するセンサの数を最小限に抑えることで、ハードウェア負荷を低減し、ユーザーの快適性とバッテリ効率を向上。
• 非同期なセンサおよびGPSデータを統合して行動と空間的文脈を同時にモデル化することで、認識精度の向上。
• 単独のGPSまたはセンサベースのアプローチと比較して、統合モデルの性能を評価。
• 粒子フィルタリングや pruning を施した正確な推論といった効率的な確率的手法を用いた、リアルタイム推論の実現可能性の検証。

提案手法

• 本システムは、時間経過に伴う行動と空間的文脈の同時確率をモデル化するため、動的グラフィカルモデルを採用する。
• ウェアラブルセンサ基板（加速度計、ジャイロスコープ）とGPS測定値からの非同期観測を統合する。
• 連続的な状態空間と非線形ダイナミクスに対応するため、近似推論として粒子フィルタリングを用いる。
• 特定の設定において計算効率と精度を向上させるために、pruning を施した正確な推論を適用する。
• センサ入力を行動状態および位置状態に関連付けるため、条件付き確率分布を用いる。
• 隠れマルコフモデルの枠組みを拡張し、空間的文脈を潜在変数として含めることで、同時推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 センサまたはGPS単体を使用する場合と比較して、行動と空間的文脈の統合推論は認識精度を向上させ得るか？
• RQ2 非同期なセンサとGPSデータの統合は、行動および位置認識の性能にどのように影響するか？
• RQ3 高い認識精度を維持しつつ、どの程度までハードウェア負荷を低減できるか？
• RQ4 この統合推論タスクにおいて、粒子フィルタリングとpruning を施した正確な推論は、精度と効率の点でどのように比較されるか？
• RQ5 動的グラフィカルモデルは、行動と空間的文脈の間の時間的依存関係を効果的にモデル化できるか？

主な発見

• 統合測定モデルは、GPS 単体またはセンサ単体を使用するモデルと比較して、行動認識および空間的文脈認識の両面で顕著に優れた性能を示す。
• 粒子フィルタリングとpruning を施した正確な推論の両方が、正確な推論を可能にし、制御された評価では pruning を施した正確な推論がより高い精度を示した。
• 着用するセンサの数を最小限に抑えながらも、認識精度を向上させ、ユーザーの快適性とバッテリ駆動時間の向上を実現した。
• 非同期なセンサとGPSデータの統合により、時間経過に伴うよりロバストで一貫性のある状態推定が可能になった。
• 動的グラフィカルモデルは、行動と空間的文脈の間の時間的依存関係を効果的に捉えており、全体の推論品質の向上に寄与した。
• UAI 2006 会議での実証的結果により、実世界の状況において統合推論アプローチの有効性が示された。