|
1. Non-touch HCI using Motion gesture
sensor
(ジェスチャーセンサを使用した非接触HCI)
RGB-D, Leap motion sensor and web camera based non-touch human computer
interaction interface development. The aim of this research is to identify
the human body and hand gesture for understanding the gesture command and
non-touch input for computer or robot. Dynamic gesture recognition will be
done by gesture feature extraction and machine/deep learning models.
コロナ感染の防止のため、RGB-D, Leap motion, Kinectなどの3Dセンサ、Web Cameraを使った非接触型インターフェースの開発を行う。コンピュータやロボットへ命令をノンタッチで認識させるための人体と手のジェスチャーを特定することである。ジェスチャーや人体の特徴量抽出および機械学習、深層学習モデルによってジェスチャー・人体の認識が行われる。
2. Disease Diagnosis using Pen-Tablet and Leap Motion
(ペンタブレット, Leap Motionを用いた疾患診断)
Quantities and reliable kinematic feature extraction for disease (i.e. Parkinson's
disease, ADHD) diagnosis using pen-tablet and Leap motion. The purpose of
this study is to establish a technological infrastructure with feature
extraction and identification algorithm development to generate quantitative,
reliable and reasonable evaluation index by utilizing sensor technology, data
science and machine/deep learning technology to evaluate cognitive and motor
symptoms of neurological diseases.
パーキンソン病, ADHD (注意欠陥)
などの疾患の定量的な診断のために、ペンタブレットを使用し、信頼できる特徴を抽出する。ゴールは、センサ技術、データサイエンス、機械学習、深層学習などの技術を利用し、神経疾患の認知運動症状を評価し、定量的で信頼性の高い評価指数を生成するための特徴抽出とアルゴリズムの開発手法を確立することである。
3. Daily Activity recognition using smartwatch and camera
(スマートウォッチとRGB-Dのセンサを用いた毎日の活動認識)
Smartwatch and RGB-D sensor based human daily movement and motor activity
recognition for monitoring the health condition. The aim of this study is to
develop machine/deep learning based activity and movement condition
recognition using low cost and comfortable data accusation process using
smartwatch and RGB-D sensor. The collected data will be analyzed for
detecting the body abnormality for different disease and also detecting the
falls of elderly people to reduce the health risk of elderly society.
健康状態を監視するために、スマートウォッチとRGB-Dのセンサから得られるデータを使用し、日常生活での行動（歩く、走る、座る、階段を上がる、寝るなど）と運動活動（手、体、足などでの、それぞれの動き）の認識を行う。本研究の目的は、スマートウォッチとRGB-Dのセンサを使用し、低コストかつ継続的なデータ収集と、機械学習、深層学習などを用いた活動・運動状態を認識する手法を開発すること。さらに、病気による身体の異常状態を検知し、お年寄りの転落予測など、高齢化社会での健康リスクを減らすためにデータを分析する。
4. Multichannel EEG signal analysis for BCI（脳波測定による感情判定）
EEG multichannel signal analysis based BCI (Brain Computer Interface) is a
new challenge and modern demand. The pattern processing lab started to
investigate and developed model for BCI based on the knowledge of signal
processing and machine learning of previous research. In this research, the
multi channels EEG embedded sensor of Emotive head set will be used for
collecting brain activity data for analyzing and detecting the interaction
with computer to generate advanced natural user interface.
BCIに基づく脳波シグナルの分析は現在、目新しくて需要がある。この研究では先進的ユーザーインターフェースを生み出すために、Emotiveという機器に搭載されているEEG（脳波）センサで脳波のデータを収集している。現在はこのセンサを応用して「Positive」 「Negative」よりも細分化された分類方法に対応しようとしている。例えば脳波を読み取り、喜怒哀楽の４つの感情に分類する。
|