機械学習を用いた近接センサへのジェスチャ入力の解析

カテゴリ: 部門大会

論文No: PS8-4

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Analysis of Gesture Input to 3D Proximity Sensor Using Machine Learning

著者名: 髭白 昂大（近畿大学）,柏尾 知明（近畿大学）,林 啓太（近畿大学）,荻野 凌也（近畿大学）,出口 幹雄（明石工業高等専門学校）

著者名(英語): Kodai Higeshiro (Kindai University),Tomoaki Kashiwo (Kindai University),Keita Hayashi (Kindai University),Ryoya Ogino (Kindai University),Mikio Deguchi (National Institute of Technology, Akashi College)

キーワード: 機械学習|センサ|分類|サポートベクターマシン|Machine Learning|Sensor|Classification|SVM

要約(日本語): 我々の研究チームは，3つの検出電極をもつ静電容量式三次元近接センサユニットを開発した。本センサは浮遊容量の変化から，近接する物体を検出することができるが，物体位置とセンサ出力の関係が非線形であるため，物体の動きを直接的に推定することは困難である。そこで本研究では，機械学習を用いてセンサユニットへのジェスチャ（手の動作）入力を分類する方法を提案する。ロジスティック回帰，k近傍法，ランダムフォレスト，サポートベクターマシンの４種類の機械学習モデルを用いて，分類を行った。ジェスチャ入力に対する３つの検出電極の出力の時系列データで構成される学習データを，上方向，下方向，左方向，右方向，斜め方向の計8方向と，2種類の動作速度（速い，遅い）の16パターンの組合せに分類する。実験では，全ての学習済みモデルにおいて80％以上の分類性能を示した。中でもサポートベクターマシンは96％以上の分類性能を示した。