DE112017006891T5 - Bewegungslerneinrichtung, fertigkeitendiskriminationseinrichtung und fertigkeitendiskriminationssystem - Google Patents

Bewegungslerneinrichtung, fertigkeitendiskriminationseinrichtung und fertigkeitendiskriminationssystem Download PDF

Info

Publication number
DE112017006891T5
DE112017006891T5 DE112017006891.6T DE112017006891T DE112017006891T5 DE 112017006891 T5 DE112017006891 T5 DE 112017006891T5 DE 112017006891 T DE112017006891 T DE 112017006891T DE 112017006891 T5 DE112017006891 T5 DE 112017006891T5
Authority
DE
Germany
Prior art keywords
unit
discrimination
motion characteristic
worker
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE112017006891.6T
Other languages
English (en)
Inventor
Ryosuke Sasaki
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of DE112017006891T5 publication Critical patent/DE112017006891T5/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2354/00—Aspects of interface with display user

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Psychiatry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Social Psychology (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

Die vorliegende Bewegungslerneinrichtung ist mit Folgendem ausgestattet: einer ersten Bewegungscharakteristik-Extraktionseinheit (102) zum Extrahieren von Bewegungsortskurvencharakteristiken von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften auf Basis von Bewegtbilddaten, die durch die Aufnahme von Bildern der qualifizierten Arbeitskräfte und der gewöhnlichen Arbeitskräfte erhalten werden; einer Bewegungscharakteristik-Lerneinheit (103) zum Gruppieren der Ortskurvencharakteristiken, die Referenzortskurvencharakteristiken ähneln, die aus den extrahierten Ortskurvencharakteristiken bestimmt werden, zum Erzeugen mindestens eines Histogramms auf Basis von Häufigkeiten der gruppierten Ortskurvencharakteristiken und zum Durchführen eines Diskriminationslernens zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung auf Basis des erzeugten Histogramms; und einer Diskriminationsfunktion-Erzeugungseinheit (104) zum Bezugnehmen auf das Diskriminationslernergebnis und zum Erzeugen einer Diskriminationsfunktion, die eine Grenze zum Diskriminieren zwischen fachgemäßen und nicht fachgemäßen Bewegungen angibt.

Description

  • TECHNISCHES GEBIET
  • Die vorliegende Erfindung betrifft eine Technologie zum Evaluieren einer Bewegung einer Evaluierungszielperson auf Basis von Bewegtbilddaten.
  • STAND DER TECHNIK
  • Um die Arbeitseffizienz von Arbeitskräften zu erhöhen, die in einer Fabrik oder dergleichen arbeiten, wird ein Mechanismus zum Extrahieren von Fertigkeiten von qualifizierten Arbeitskräften (nachfolgend als „qualifizierte Arbeitskraft“ bezeichnet) und zum Transferieren der Fertigkeiten zu gewöhnlichen Arbeitskräften (nachfolgend als „gewöhnliche Arbeitskraft“ bezeichnet), die keine qualifizierten Arbeitskräfte sind, erfordert. Genauer gesagt wird eine Bewegung, die sich von Bewegungen von gewöhnlichen Arbeitskräften unterscheidet, aus Bewegungen von qualifizierten Arbeitskräften detektiert und die detektierte Bewegung wird den gewöhnlichen Arbeitskräften gezeigt, wodurch eine Verbesserung in den Fertigkeiten der gewöhnlichen Arbeitskräfte unterstützt wird.
  • Die im Patentdokument 1 offenbarte Bewegungscharakteristik-Extraktionseinrichtung nimmt zum Beispiel ein Bild einer Gestalt einer qualifizierten Arbeitskraft auf, die mit einem gewissen Arbeitsprozess beschäftigt ist, und nimmt ein Bild einer Gestalt einer gewöhnlichen Arbeitskraft mit demselben Bildaufnahmewinkel auf, wenn die gewöhnliche Arbeitskraft mit demselben Arbeitsprozess beschäftigt ist, und anschließend wird eine anormale Bewegung extrahiert, die durch die gewöhnliche Arbeitskraft durchgeführt wird. Ausführlicher gesagt werden CHLAC-Charakteristiken (CHLAC: Cubic Higher-order Local Auto-Correlation) aus Bewegtbilddaten der qualifizierten Arbeitskraft extrahiert, werden CHLAC-Charakteristiken aus einem Evaluierungszielbild der gewöhnlichen Arbeitskraft extrahiert und wird eine anormale Bewegung der gewöhnlichen Arbeitskraft auf Basis der Korrelation der extrahierten CHLAC-Charakteristiken extrahiert.
  • ENTGEGENHALTUNGSLISTE
  • PATENTLITERATUR
  • Patentliteratur 1: Ungeprüfte japanische Patentanmeldung mit der Veröffentlichungs-Nr. 2011-133984
  • KURZFASSUNG DER ERFINDUNG
  • TECHNISCHES PROBLEM
  • In der Technologie, die in dem oben beschriebenen Patentdokument 1 offenbart ist, ist es jedoch hinsichtlich der Bewegungscharakteristiken in den Bewegtbilddaten notwendig, mehrere feste Maskenmuster von CHLAC-Charakteristiken zu erstellen. Daher tritt ein Problem der Notwendigkeit auf, dass Benutzer Maskenmuster für Bewegungen von qualifizierten Arbeitskräften konzipieren müssen.
  • Die vorliegende Erfindung ist vorgenommen worden, um ein derartiges, wie oben beschriebenes Problem zu lösen, und ein Ziel der vorliegenden Erfindung besteht darin, einen Indikator zum Diskriminieren von Fertigkeiten einer Evaluierungszielarbeitskraft auf Basis von Bewegungen von qualifizierten Arbeitskräften, die aus Bewegtbilddaten extrahiert werden, ohne das Konzipieren von Maskenmustern für die Bewegungen der qualifizierten Arbeitskräfte zu erhalten.
  • LÖSUNG DES PROBLEMS
  • Die Bewegungslerneinrichtung der Erfindung gemäß der vorliegenden Erfindung ist mit Folgendem ausgestattet: einer ersten Bewegungscharakteristik-Extraktionseinheit zum Extrahieren von Bewegungsortskurvencharakteristiken von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften auf Basis von Bewegtbilddaten, die durch Aufnehmen von Bildern der qualifizierten Arbeitskräfte und der gewöhnlichen Arbeitskräfte erhalten werden; einer Bewegungscharakteristik-Lerneinheit zum Gruppieren der Ortskurvencharakteristiken, die Referenzortskurvencharakteristiken ähneln, die aus den Ortskurvencharakteristiken bestimmt werden, die durch die erste Bewegungscharakteristik-Extraktionseinheit extrahiert werden, zum Erzeugen mindestens eines Histogramms auf Basis von Häufigkeiten der gruppierten Ortskurvencharakteristiken, und zum Durchführen eines Diskriminationslernens zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung auf Basis des erzeugten Histogramms; und einer Diskriminationsfunktion-Erzeugungseinheit zum Bezugnehmen auf ein Ergebnis des Diskriminationslernens durch die Bewegungscharakteristik-Lerneinheit und zum Erzeugen einer Diskriminationsfunktion, die eine Grenze zum Diskriminieren zwischen fachgemäßen und nicht fachgemäßen Bewegungen angibt.
  • VORTEILHAFTE EFFEKTE DER ERFINDUNG
  • Gemäß der vorliegenden Erfindung können fachgemäße Bewegungen von qualifizierten Arbeitskräften aus Bewegtbilddaten extrahiert werden und ein Indikator zum Diskriminieren von Fertigkeiten einer Evaluierungszielarbeitskraft kann auf Basis der extrahierten Bewegungen erhalten werden.
  • Figurenliste
    • 1 ist ein Blockdiagramm, das eine Konfiguration eines Fertigkeitendiskriminationssystems gemäß einer ersten Ausführungsform veranschaulicht.
    • 2A und 2B sind Diagramme, die jeweils eine Hardwarekonfiguration einer Bewegungslerneinrichtung gemäß der ersten Ausführungsform veranschaulichen.
    • 3A und 3B sind Diagramme, die jeweils ein Beispiel für eine Hardwarekonfiguration einer Fertigkeitendiskriminationseinrichtung gemäß der ersten Ausführungsform veranschaulichen.
    • 4 ist ein Flussdiagramm, das einen Betrieb der Bewegungslerneinrichtung gemäß der ersten Ausführungsform veranschaulicht.
    • 5 ist ein Flussdiagramm, das einen Betrieb der Fertigkeitendiskriminationseinrichtung gemäß der ersten Ausführungsform veranschaulicht.
    • 6A, 6B, 6C und 6D sind erläuternde Zeichnungen, die jeweils die Verarbeitung der Bewegungslerneinrichtung gemäß der ersten Ausführungsform veranschaulichen.
    • 7 ist ein Diagramm, das ein Bildschirmbeispiel für das Diskriminationsergebnis von der Fertigkeitendiskriminationseinrichtung gemäß der ersten Ausführungsform veranschaulicht.
    • 8 ist ein Blockdiagramm, das eine Konfiguration eines Fertigkeitendiskriminationssystems gemäß einer zweiten Ausführungsform veranschaulicht.
    • 9 ist ein Flussdiagramm, das einen Betrieb einer Bewegungslerneinrichtung gemäß der zweiten Ausführungsform veranschaulicht.
    • 10 ist ein Flussdiagramm, das einen Betrieb einer Fertigkeitendiskriminationseinrichtung gemäß der zweiten Ausführungsform veranschaulicht.
    • 11 ist eine Zeichnung, die Auswirkungen veranschaulicht, die in einem Fall erzeugt werden, bei dem ein dünnbesetzter Regularisierungsterm in der Bewegungslerneinrichtung gemäß der ersten Ausführungsform hinzugefügt wird.
  • BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
  • Um die vorliegende Erfindung ausführlicher zu beschreiben, werden Ausführungsformen zum Ausführen der vorliegenden Erfindung unten unter Bezugnahme auf die begleitenden Zeichnungen beschrieben.
  • Erste Ausführungsform
  • 1 ist ein Blockdiagramm, das eine Konfiguration eines Fertigkeitendiskriminationssystems gemäß der ersten Ausführungsform veranschaulicht.
  • Das Fertigkeitendiskriminationssystem beinhaltet eine Bewegungslerneinrichtung 100 und eine Fertigkeitendiskriminationseinrichtung 200. Die Bewegungslerneinrichtung 100 analysiert einen Unterschied in den Bewegungscharakteristiken zwischen einer qualifizierten Arbeitskraft (nachfolgend als „qualifizierte Arbeitskraft“ bezeichnet) und einer gewöhnlichen Arbeitskraft, die keine qualifizierte Arbeitskraft ist (nachfolgend als „gewöhnliche Arbeitskraft“ bezeichnet) und erzeugt eine Funktion, die zum Diskriminieren von Fertigkeiten einer Evaluierungszielarbeitskraft verwendet wird. Hier wird angenommen, dass Evaluierungszielarbeitskräfte eine qualifizierte Arbeitskraft und eine gewöhnliche Arbeitskraft beinhalten. Die Fertigkeitendiskriminationseinrichtung 200 verwendet die durch die Bewegungslerneinrichtung 100 erzeugte Funktion, um zu diskriminieren, ob Fertigkeiten einer Evaluierungszielarbeitskraft kompetent sind oder nicht.
  • Die Bewegungslerneinrichtung 100 ist mit einer Bewegtbilddatenbank 101, einer ersten Bewegungscharakteristik-Extraktionseinheit 102, einer Bewegungscharakteristik-Lerneinheit 103 und einer Diskriminationsfunktion-Erzeugungseinheit 104 ausgestattet.
  • Die Bewegtbilddatenbank 101 ist eine Datenbank, die Bewegtbilddaten speichert, die durch die Aufnahme von Bildern von Arbeitszuständen mehrerer qualifizierter Arbeitskräfte und mehrerer gewöhnlicher Arbeitskräfte erhalten werden. Die erste Bewegungscharakteristik-Extraktionseinheit 102 extrahiert Bewegungsortskurvencharakteristiken von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften aus den Bewegtbilddaten, die in der Bewegtbilddatenbank 101 gespeichert sind. Die erste Bewegungscharakteristik-Extraktionseinheit 102 gibt die extrahierten Bewegungsortskurvencharakteristiken zu der Bewegungscharakteristik-Lerneinheit 103 aus.
  • Die Bewegungscharakteristik-Lerneinheit 103 bestimmt Referenzbewegungsortskurvencharakteristiken aus den Bewegungsortskurvencharakteristiken, die durch die erste Bewegungscharakteristik-Extraktionseinheit 102 extrahiert werden. Die Bewegungscharakteristik-Lerneinheit 103 führt ein Diskriminationslernen zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung auf Basis der Referenzbewegungsortskurvencharakteristiken durch. Die Bewegungscharakteristik-Lerneinheit 103 erzeugt ein Bewegungscharakteristikverzeichnis, das die bestimmten Referenzbewegungsortskurvencharakteristiken beschreibt, und speichert das Bewegungscharakteristikverzeichnis in einer Bewegungscharakteristikverzeichnis-Speichereinheit 202 der Fertigkeitendiskriminationseinrichtung 200. Zusätzlich dazu gibt die Bewegungscharakteristik-Lerneinheit 103 ein Ergebnis des Diskriminationslernens zu der Diskriminationsfunktion-Erzeugungseinheit 104 aus. Die Diskriminationsfunktion-Erzeugungseinheit 104 bezieht sich auf das Ergebnis des Lernens durch die Bewegungscharakteristik-Lerneinheit 103 und erzeugt eine Funktion, die zum Diskriminieren verwendet wird, ob Fertigkeiten einer Evaluierungszielarbeitskraft kompetent sind oder nicht (nachfolgend als „Diskriminationsfunktion“ bezeichnet). Die Diskriminationsfunktion-Erzeugungseinheit 104 akkumuliert die erzeugte Diskriminationsfunktion in einer Diskriminationsfunktion-Akkumulationseinheit 204 der Fertigkeitendiskriminationseinrichtung 200.
  • Die Fertigkeitendiskriminationseinrichtung 200 beinhaltet eine Bildinformationen-Erhalteeinheit 201, eine Bewegungscharakteristikverzeichnis-Speichereinheit 202, eine zweite Bewegungscharakteristik-Extraktionseinheit 203, die Diskriminationsfunktion-Akkumulationseinheit 204 und eine Fertigkeitendiskriminationseinheit 205 und eine Bildschirmsteuereinheit 206. Zusätzlich dazu sind eine Kamera 300, die ein Bild der Arbeit einer Evaluierungszielarbeitskraft aufnimmt, und eine Bildschirmeinrichtung 400, die Informationen auf Basis der Bildschirmsteuerung durch die Fertigkeitendiskriminationseinrichtung 200 anzeigt, mit der Fertigkeitendiskriminationseinrichtung 200 verbunden.
  • Die Bildinformationen-Erhalteeinheit 201 erhält Bewegtbilddaten, die erhalten werden, wenn die Kamera 300 ein Bild eines Arbeitszustands der Evaluierungszielarbeitskraft aufnimmt (nachfolgend als „Evaluierungsziel-Bewegtbilddaten“ bezeichnet). Die Bildinformationen-Erhalteeinheit 201 gibt die erhaltenen Bewegtbilddaten zu der zweiten Bewegungscharakteristik-Extraktionseinheit 203 aus. Die Bewegungscharakteristikverzeichnis-Speichereinheit 202 speichert das Bewegungscharakteristikverzeichnis, das die Referenzbewegungsortskurvencharakteristiken beschreibt, die von der Bewegungslerneinrichtung 100 eingegeben werden.
  • Die zweite Bewegungscharakteristik-Extraktionseinheit 203 bezieht sich auf das in der Bewegungscharakteristikverzeichnis-Speichereinheit 202 gespeicherte Bewegungscharakteristikverzeichnis und extrahiert Bewegungsortskurvencharakteristiken aus den Evaluierungsziel-Bewegtbilddaten, die durch die Bildinformationen-Erhalteeinheit 201 erhalten werden. Die zweite Bewegungscharakteristik-Extraktionseinheit 203 gibt die extrahierten Bewegungsortskurvencharakteristiken zu der Fertigkeitendiskriminationseinheit 205 aus. Die Diskriminationsfunktion-Akkumulationseinheit 204 ist ein Bereich, in dem die durch die Diskriminationsfunktion-Erzeugungseinheit 104 der Bewegungslerneinrichtung 100 erzeugte Diskriminationsfunktion akkumuliert wird. Die Fertigkeitendiskriminationseinheit 205 verwendet die in der Diskriminationsfunktion-Akkumulationseinheit 204 akkumulierte Diskriminationsfunktion, um aus den Bewegungsortskurvencharakteristiken, die durch die zweite Bewegungscharakteristik-Extraktionseinheit 203 extrahiert werden, zu diskriminieren, ob Fertigkeiten einer Evaluierungszielarbeitskraft kompetent sind oder nicht. Die Fertigkeitendiskriminationseinheit 205 gibt das Diskrimationsergebnis zu der Bildschirmsteuereinheit 206 aus. Gemäß dem Diskrimationsergebnis von der Fertigkeitendiskriminationseinheit 205 bestimmt die Bildschirmsteuereinheit 206 Informationen, die der Evaluierungszielarbeitskraft als Unterstützungsinformationen anzuzeigen sind. Die Bildschirmsteuereinheit 206 führt die Bildschirmsteuerung durch, die bewirkt, dass die Bildschirmeinrichtung 400 die bestimmten Informationen anzeigt.
  • Als Nächstes werden Hardwarekonfigurationen der Bewegungslerneinrichtung 100 und der Fertigkeitendiskriminationseinrichtung 200 als Beispiele beschrieben.
  • Zuerst wird ein Beispiel für eine Hardwarekonfiguration der Bewegungslerneinrichtung 100 beschrieben.
  • 2A und 2B sind Diagramme, die jeweils ein Beispiel für eine Hardwarekonfiguration der Bewegungslerneinrichtung 100 gemäß der ersten Ausführungsform veranschaulichen.
  • Funktionen der ersten Bewegungscharakteristik-Extraktionseinheit 102, der Bewegungscharakteristik-Lerneinheit 103 und der Diskriminationsfunktion-Erzeugungseinheit 104 in der Bewegungslerneinrichtung 100 werden durch eine Verarbeitungsschaltung implementiert. Mit anderen Worten ist die Bewegungslerneinrichtung 100 mit der Verarbeitungsschaltung zum Implementieren der oben beschriebenen Funktionen ausgestattet. Die Verarbeitungsschaltung kann eine Verarbeitungsschaltung 100a sein, die eine dedizierte Hardware ist, wie in 2A dargestellt, oder sie kann ein Prozessor 100b sein, der ein Programm ausführt, das in einem Speicher 100c gespeichert ist, wie in 2B dargestellt.
  • Wie in 2A dargestellt, entspricht die Verarbeitungsschaltung 100a in einem Fall, bei dem die erste Bewegungscharakteristik-Extraktionseinheit 102, die Bewegungscharakteristik-Lerneinheit 103 und die Diskriminationsfunktion-Erzeugungseinheit 104 durch die dedizierte Hardware implementiert werden, zum Beispiel einer einzelnen Schaltung, einer zusammengesetzten Schaltung, einem programmierten Prozessor, einem parallel programmierten Prozessor, einer anwendungsspezifischen integrierten Schaltung (ASIC: Application Specific Integrated Circuit), einem feldprogrammierbaren Gate-Array (FPGA) oder einer Kombination davon. Jede der Funktionen der ersten Bewegungscharakteristik-Extraktionseinheit 102, der Bewegungscharakteristik-Lerneinheit 103 und der Diskriminationsfunktion-Erzeugungseinheit 104 können durch eine Verarbeitungsschaltung implementiert werden oder die Funktionen können zusammengefasst durch eine Verarbeitungsschaltung implementiert werden.
  • Wie in 2B dargestellt, werden die Funktionen der Einheiten in einem Fall, bei dem die erste Bewegungscharakteristik-Extraktionseinheit 102, die Bewegungscharakteristik-Lerneinheit 103 und die Diskriminationsfunktion-Erzeugungseinheit 104 durch den Prozessor 100b implementiert werden, durch Software, Firmware oder einer Kombination aus Software und Firmware implementiert. Software oder Firmware ist als ein Programm beschrieben und wird im Speicher 100c gespeichert. Durch das Lesen von im Speicher 100c gespeicherten Programmen und dann durch das Ausführen der Programme implementiert der Prozessor 100b die Funktionen der ersten Bewegungscharakteristik-Extraktionseinheit 102, der Bewegungscharakteristik-Lerneinheit 103 und der Diskriminationsfunktion-Erzeugungseinheit 104. Mit anderen Worten sind die Bewegungscharakteristik-Extraktionseinheit, die Bewegungscharakteristik-Lerneinheit 103 und die Diskriminationsfunktion-Erzeugungseinheit 104 mit dem Speicher 100c zum Speichern eines Programms ausgestattet; wenn das Programm durch den Prozessor 100b ausgeführt wird, wobei jeder Schritt, der in der später beschriebenen 4 dargestellt ist, infolgedessen ausgeführt wird. Zusätzlich dazu kann auch gesagt werden, dass diese Programme bewirken, dass ein Computer Schritte oder Verfahren der ersten Bewegungscharakteristik-Extraktionseinheit 102, der Bewegungscharakteristik-Lerneinheit 103 und der Diskriminationsfunktion-Erzeugungseinheit 104 ausführt.
  • Hier ist der Prozessor 100b zum Beispiel eine Zentralverarbeitungseinheit (CPU: Central Processing Unit), eine Verarbeitungseinheit, eine Berechnungseinrichtung, ein Prozessor, ein Mikroprozessor, ein Mikrocomputer, ein Digitalsignalprozessor (DSP) oder dergleichen.
  • Der Speicher 100c kann zum Beispiel ein nichtflüchtiger oder flüchtiger Halbleiterspeicher sein, wie etwa ein Direktzugriffspeicher (RAM: Random Access Memory), ein Nurlesespeicher (ROM: Read Only Memory), ein Flash-Speicher, ein löschbarer programmierbarer ROM (EPROM) oder ein elektrischer EPROM (EEPROM), kann eine Magnetplatte sein, wie etwa eine Festplatte oder eine Diskette, oder kann eine optische Platte sein, wie etwa eine MiniDisk, eine CD (Compact Disc) oder eine DVD (Digital Versatile Disc).
  • Es sollte angemerkt werden, dass hinsichtlich der Funktionen der ersten Bewegungscharakteristik-Extraktionseinheit 102, der Bewegungscharakteristik-Lerneinheit 103 und der Diskriminationsfunktion-Erzeugungseinheit 104 manche von diesen durch dedizierte Hardware implementiert werden können und manche von diesen durch Software oder Firmware implementiert werden können. Auf diese Art und Weise ist die Verarbeitungsschaltung 100a in der Bewegungslerneinrichtung 100 in der Lage, die oben beschriebenen Funktionen durch Hardware, Software, Firmware oder einer Kombination davon zu implementieren.
  • Als Nächstes wird ein Beispiel für eine Hardwarekonfiguration der Fertigkeitendiskriminationseinrichtung 200 beschrieben.
  • 3A und 3B sind Diagramme, die jeweils ein Beispiel für eine Hardwarekonfiguration der Fertigkeitendiskriminationseinrichtung 200 gemäß der ersten Ausführungsform veranschaulichen.
  • Funktionen der Bildinformationen-Erhalteeinheit 201, der zweiten Bewegungscharakteristik-Extraktionseinheit 203, der Fertigkeitendiskriminationseinheit 205 und der Bildschirmsteuereinheit 206 in der Fertigkeitendiskriminationseinrichtung 200 werden durch eine Verarbeitungsschaltung implementiert. Mit anderen Worten ist die Fertigkeitendiskriminationseinrichtung 200 mit der Verarbeitungsschaltung zum Implementieren der oben beschriebenen Funktionen ausgestattet. Die Verarbeitungsschaltung kann eine Verarbeitungsschaltung 200a sein, die eine dedizierte Hardware ist, wie in 3A dargestellt, oder sie kann ein Prozessor 200b sein, der ein Programm ausführt, das in einem Speicher 200c gespeichert ist, wie in 3B dargestellt.
  • Wie in 3A dargestellt, entspricht die Verarbeitungsschaltung 200a in einem Fall, bei dem die Bildinformationen-Erhalteeinheit 201, die zweite Bewegungscharakteristik-Extraktionseinheit 203, die Fertigkeitendiskriminationseinheit 205 und die Bildschirmsteuereinheit 206 durch die dedizierte Hardware implementiert werden, zum Beispiel einer einzelnen Schaltung, einer zusammengesetzten Schaltung, einem programmierten Prozessor, einem parallel programmierten Prozessor, einer ASIC, einem FPGA oder einer Kombination davon. Jede der Funktionen der Bildinformationen-Erhalteeinheit 201, der zweiten Bewegungscharakteristik-Extraktionseinheit 203, der Fertigkeitendiskriminationseinheit 205 und der Bildschirmsteuereinheit 206 können durch eine Verarbeitungsschaltung implementiert werden oder die Funktionen können zusammengefasst durch eine Verarbeitungsschaltung implementiert werden.
  • Wie in 3B dargestellt, werden die Funktionen der Einheiten in einem Fall, bei dem die Bildinformationen-Erhalteeinheit 201, die zweite Bewegungscharakteristik-Extraktionseinheit 203, die Fertigkeitendiskriminationseinheit 205 und die Bildschirmsteuereinheit 206 durch den Prozessor 200b implementiert werden, durch Software, Firmware oder eine Kombination aus Software und Firmware implementiert. Software oder Firmware ist als ein Programm beschrieben und wird im Speicher 200c gespeichert. Durch das Lesen von im Speicher 200c gespeicherten Programmen und dann durch das Ausführen der Programme implementiert der Prozessor 200b die Funktionen der Bildinformationen-Erhalteeinheit 201, der zweiten Bewegungscharakteristik-Extraktionseinheit 203, der Fertigkeitendiskriminationseinheit 205 und der Bildschirmsteuereinheit 206. Mit anderen Worten sind die Bildinformationen-Erhalteeinheit 201, die zweite Bewegungscharakteristik-Extraktionseinheit 203, die Fertigkeitendiskriminationseinheit 205 und die Bildschirmsteuereinheit 206 mit dem Speicher 200c zum Speichern eines Programms ausgestattet; wenn das Programm durch den Prozessor 200b ausgeführt wird, wird jeder Schritt, der in der später beschriebenen 5 dargestellt ist, folglich ausgeführt. Zusätzlich dazu kann auch gesagt werden, dass diese Programme bewirken, dass ein Computer Schritte oder Verfahren der Bildinformationen-Erhalteeinheit 201, der zweiten Bewegungscharakteristik-Extraktionseinheit 203, der Fertigkeitendiskriminationseinheit 205 und der Bildschirmsteuereinheit 206 ausführt.
  • Es sollte angemerkt werden, dass hinsichtlich der jeweiligen Funktionen der Bildinformationen-Erhalteeinheit 201, der zweiten Bewegungscharakteristik-Extraktionseinheit 203, der Fertigkeitendiskriminationseinheit 205 und der Bildschirmsteuereinheit 206 manche von diesen durch dedizierte Hardware implementiert werden können und manche von diesen durch Software oder Firmware implementiert werden können. Auf diese Art und Weise ist die Verarbeitungsschaltung 200a in der Fertigkeitendiskriminationseinrichtung 200 in der Lage, die oben beschriebenen Funktionen durch Hardware, Software, Firmware oder eine Kombination davon zu implementieren.
  • Als Nächstes wird der Betrieb der Bewegungslerneinrichtung 100 und der Betrieb der Fertigkeitendiskriminationseinrichtung 200 beschrieben. Zuerst wird der Betrieb der Bewegungslerneinrichtung 100 beschrieben.
  • 4 ist ein Flussdiagramm, das den Betrieb der Bewegungslerneinrichtung 100 gemäß der ersten Ausführungsform veranschaulicht.
  • Die erste Bewegungscharakteristik-Extraktionseinheit 102 liest aus der Bewegtbilddatenbank 101 Bewegtbilddaten, die durch die Aufnahme von Bildern der Bewegungen von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften erhalten werden (Schritt ST1). Die erste Bewegungscharakteristik-Extraktionseinheit 102 extrahiert Bewegungsortskurvencharakteristiken aus den im Schritt ST1 gelesenen Bewegtbilddaten (Schritt ST2). Die erste Bewegungscharakteristik-Extraktionseinheit 102 gibt die extrahierten Ortskurvencharakteristiken zu der Bewegungscharakteristik-Lerneinheit 103 aus.
  • Die Verarbeitung des oben beschriebenen Schritts ST2 wird ausführlich beschrieben.
  • Die erste Bewegungscharakteristik-Extraktionseinheit 102 verfolgt charakteristische Punkte in Bewegtbilddaten und extrahiert als Ortskurvencharakteristiken eine Änderung in den Koordinaten der charakteristischen Punkte über Einzelbilder hinweg, wobei die Anzahl der Einzelbilder gleich oder mehr als ein gewisser fester Wert ist. Zusätzlich zu der Änderung in den Koordinaten kann die erste Bewegungscharakteristik-Extraktionseinheit 102 des Weiteren zusätzlich dazu Informationen eines Randes, der den charakteristischen Punkt in den Bewegtbilddaten umgibt, und/oder ein Histogramm optischer Flüsse und/oder ein Histogramm einer Primärdifferenzierung der optischen Flüsse extrahieren. In diesem Fall extrahiert die erste Bewegungscharakteristik-Extraktionseinheit 102 als Ortskurvencharakteristiken numerische Informationen, in denen Informationen, die zusätzlich zu der Änderung in den Koordinaten erhalten werden, integriert sind.
  • Aus den im Schritt ST2 extrahierten Ortskurvencharakteristiken bestimmt die Bewegungscharakteristik-Lerneinheit 103 mehrere Referenzortskurvencharakteristiken (Schritt ST3). Durch das Verwenden der im Schritt ST3 bestimmten Referenzortskurvencharakteristiken erzeugt die Bewegungscharakteristik-Lerneinheit 103 ein Bewegungscharakteristikverzeichnis und speichert das Bewegungscharakteristikverzeichnis in der Bewegungscharakteristikverzeichnis-Speichereinheit 202 der Fertigkeitendiskriminationseinrichtung 200 (Schritt ST4).
  • Wenn das Bewegungscharakteristikverzeichnis im Schritt ST4 erzeugt wird, ermöglicht eine Gruppierungstechnik, wie etwa ein k-Means-Algorithmus, ein Verfahren anzuwenden, bei dem ein Median jeder Gruppierung als eine Referenzortskurvencharakteristik verwendet wird.
  • Durch das Verwenden der im Schritt ST3 bestimmten Referenzortskurvencharakteristiken gruppiert die Bewegungscharakteristik-Lerneinheit 103 die im Schritt ST2 extrahierten Ortskurvencharakteristiken in Gruppen, die jeweils ähnliche Ortskurvencharakteristiken aufweisen (Schritt ST5).
  • Bei der Verarbeitung des Schritts ST5 vektorisiert die Bewegungscharakteristik-Lerneinheit 103 zuerst die im Schritt ST2 extrahierten Ortskurvencharakteristiken. Als Nächstes bestimmt die Bewegungscharakteristik-Lerneinheit 103 auf Basis einer Distanz zwischen einem Vektor jeder Ortskurvencharakteristik und einem Vektor der im Schritt ST3 bestimmten Referenzortskurvencharakteristik, ob jede Ortskurvencharakteristik der Referenzortskurvencharakteristik ähnelt oder nicht. Die Bewegungscharakteristik-Lerneinheit 103 gruppiert jede Ortskurvencharakteristik auf Basis des Ergebnisses der Ähnlichkei tsbestimmung.
  • Auf Basis des Ergebnisses des Gruppierens im Schritt ST5 erzeugt die Bewegungscharakteristik-Lerneinheit 103 ein Histogramm entsprechend den Häufigkeiten ähnlicher Ortskurvencharakteristiken (Schritt ST6). Bei der Verarbeitung des Schritts ST6 werden jeweilige Histogramme für eine Gruppe von qualifizierten Arbeitskräften und eine Gruppe von gewöhnlichen Arbeitskräften erzeugt. Auf Basis der im Schritt ST6 erzeugten Histogramme führt die Bewegungscharakteristik-Lerneinheit 103 ein Diskriminationslernen zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung durch (Schritt ST7). Auf Basis des Lernergebnisses des Diskriminationslernens im Schritt ST7 erzeugt die Bewegungscharakteristik-Lerneinheit 103 eine projektive Transformationsmatrix für eine Achse entsprechend einem Kompetenzgrad einer Arbeitskraft (Schritt ST8). Die Bewegungscharakteristik-Lerneinheit 103 gibt die im Schritt ST8 erzeugte projektive Transformationsmatrix zu der Diskriminationsfunktion-Erzeugungseinheit 104 aus.
  • Auf Basis der im Schritt ST8 erzeugten projektiven Transformationsmatrix erzeugt die Diskriminationsfunktion-Erzeugungseinheit 104 eine Diskriminationsfunktion, die eine Grenze zum Identifizieren, ob eine Bewegung einer Evaluierungszielarbeitskraft eine fachgemäße Bewegung ist oder nicht, angibt (Schritt ST9). Genauer gesagt konzipiert die Diskriminationsfunktion-Erzeugungseinheit 104 im Schritt ST9 eine lineare Diskriminationsfunktion zum Diskriminieren zwischen einer fachgemäßen Bewegung und einer gewöhnlichen Bewegung in der Achse, die durch die projektive Transformationsmatrix transformiert wird. Die Diskriminationsfunktion-Erzeugungseinheit 104 akkumuliert die im Schritt ST9 erzeugte Diskriminationsfunktion in der Diskriminationsfunktion-Akkumulationseinheit 204 der Fertigkeitendiskriminationseinrichtung 200 (Schritt ST10) und die Verarbeitung endet. Falls die Diskriminationsfunktion, die die lineare Diskriminationsfunktion ist und im Schritt ST10 akkumuliert wird, gleich oder mehr als „0“ ist, wird angegeben, dass die Bewegung der Evaluierungszielarbeitskraft eine fachgemäße Bewegung ist. Falls die Diskriminationsfunktion geringer als „0“ ist, wird angegeben, dass die Bewegung der Evaluierungszielarbeitskraft eine gewöhnliche Bewegung ist, die nicht fachgemäß ist.
  • Die Verarbeitung der oben beschriebenen Schritte ST7 und ST8 wird ausführlich beschrieben.
  • Die Bewegungscharakteristik-Lerneinheit 103 führt eine Diskriminationsanalyse unter Verwendung der im Schritt ST6 erzeugten Histogramme durch, berechnet eine Projektionsachse, entlang der eine Inter-Klassen-Verteilung zwischen einer Gruppe von qualifizierten Arbeitskräften und einer Gruppe von gewöhnlichen Arbeitskräften maximal wird und zur gleichen Zeit jede Intra-Klassen-Verteilung minimal wird, und bestimmt eine Diskriminationsgrenze. Die Berechnung durch die Bewegungscharakteristik-Lerneinheit 103 maximiert Fischer'sche Evaluierungskriterien, die durch die folgende Gleichung (1) angegeben werden. J S ( A ) = A t S B A / A t S W A
    Figure DE112017006891T5_0001
  • In der Gleichung (1) repräsentiert SB die Inter-Klassen-Verteilung und repräsentiert SW die Intra-Klassen-Verteilung. Zusätzlich dazu ist in der Gleichung (1) A eine Matrix zum Umwandeln eines Histogramms in eindimensionale numerische Werte und die oben beschriebene projektive Transformationsmatrix.
  • Das Verfahren mit unbestimmtem Lagrange-Multiplikator ändert A, die JS(A) der Gleichung (1) maximiert, zu einem Problem der Bestimmung eines Extremwerts in der folgenden Gleichung (2). J S ( A ) = A t S B A − λ ( A t S B A − I )
    Figure DE112017006891T5_0002
    In der Gleichung (2) repräsentiert I eine Einheitsmatrix. Wenn die Gleichung (2) durch partielle Ableitung erweitert wird, wird ( S W − 1 S B − λ I ) A = 0
    Figure DE112017006891T5_0003
    erhalten, und daher kann A als ein Eigenvektor entsprechend dem maximalen Eigenwert von S W − 1 S B
    Figure DE112017006891T5_0004
    bestimmt werden. Der bestimmte Eigenvektor kann als eine projektive Transformationsmatrix behandelt werden.
  • Zusätzlich dazu wird in diesem Fall eine Achse, entlang der die Verteilung von Daten groß ist, zuvor unter Verwendung einer Hauptkomponentenanalyse und anschließend einer Diskriminationsanalyse berechnet oder ein Diskriminator, wie etwa eine Support-Vektor-Maschine (SVM) kann verwendet werden, nachdem die Verarbeitung zum Umwandeln der Achse in Hauptkomponenten zur Dimensionalitätsreduktion durchgeführt wird. Dies ermöglicht der Bewegungscharakteristik-Lerneinheit 103, eine Achse zu detektieren, entlang der eine Verteilung zwischen einer Gruppe von qualifizierten Arbeitskräften und einer Gruppe von gewöhnlichen Arbeitskräften maximal wird, und eine Ortskurve zu erhalten, die zum Diskriminieren zwischen einer fachgemäßen Bewegung und einer gewöhnlichen Bewegung nützlich ist. Mit anderen Worten ist die Bewegungscharakteristik-Lerneinheit 103 in der Lage, eine Ortskurve zu identifizieren, die eine fachgemäße Bewegung angibt, und ist in der Lage, die Ortskurve zu visualisieren.
  • Auf diese Art und Weise führt die Bewegungscharakteristik-Lerneinheit 103 als das Ergebnis der Histogramm-Diskriminationsanalyse eine Singulärwertzerlegung durch, die eine Achse, entlang der eine Verteilung zwischen einer Gruppe von qualifizierten Arbeitskräften und einer Gruppe von gewöhnlichen Arbeitskräften maximal wird, als einen Eigenvektor verwendet und eine projektive Transformationsmatrix entsprechend dem Eigenvektor berechnet. Die Bewegungscharakteristik-Lerneinheit 103 gibt die berechnete projektive Transformationsmatrix zu der Diskriminationsfunktion-Erzeugungseinheit 104 als eine Kompetenzkomponenten-Transformationsmatrix aus.
  • Als Nächstes wird der Betrieb der Fertigkeitendiskriminationseinrichtung 200 beschrieben.
  • 5 ist ein Flussdiagramm, das den Betrieb der Fertigkeitendiskriminationseinrichtung 200 gemäß der ersten Ausführungsform veranschaulicht.
  • Wenn die Bildinformationen-Erhalteeinheit 201 Bewegtbilddaten erhält, die durch die Aufnahme eines Bildes eines Arbeitszustands einer Evaluierungszielarbeitskraft erhalten werden (Schritt ST21), extrahiert die zweite Bewegungscharakteristik-Extraktionseinheit 203 Bewegungsortskurvencharakteristiken aus den im Schritt ST21 erhaltenen Bewegtbilddaten (Schritt ST22). Die zweite Bewegungscharakteristik-Extraktionseinheit 203 bezieht sich auf das in der Bewegungscharakteristikverzeichnis-Speichereinheit 202 gespeicherte Bewegungscharakteristikverzeichnis, gruppiert die extrahierten Ortskurvencharakteristiken und erzeugt ein Histogramm entsprechend den Häufigkeiten der Ortskurvencharakteristiken (Schritt ST23). Die zweite Bewegungscharakteristik-Extraktionseinheit 203 gibt das im Schritt ST23 erzeugte Histogramm zu der Fertigkeitendiskriminationseinheit 205 aus.
  • Durch das Verwenden der in der Diskriminationsfunktion-Akkumulationseinheit 204 akkumulierten Diskriminationsfunktion diskriminiert die Fertigkeitendiskriminationseinheit 205 aus dem im Schritt ST23 erzeugten Histogramm, ob Fertigkeiten der Evaluierungszielarbeitskraft kompetent sind oder nicht (Schritt ST24). Die Fertigkeitendiskriminationseinheit 205 gibt das Diskrimationsergebnis zu der Bildschirmsteuereinheit 206 aus. In einem Fall, bei dem die Fertigkeiten der Evaluierungszielarbeitskraft kompetent sind (Schritt ST24: JA), führt die Bildschirmsteuereinheit 206 die Bildschirmsteuerung der Bildschirmeinrichtung 400 so durch, dass Informationen für qualifizierte Arbeitskräfte angezeigt werden (Schritt ST25). Währenddessen führt die Bildschirmsteuereinheit 206 in einem Fall, bei dem die Fertigkeiten der Evaluierungszielarbeitskraft nicht kompetent sind (Schritt ST24: NEIN), die Bildschirmsteuerung der Bildschirmeinrichtung 400 so durch, dass Informationen für gewöhnliche Arbeitskräfte angezeigt werden (Schritt ST26). Anschließend endet die Verarbeitung.
  • Wie oben beschrieben, diskriminiert die in der Diskriminationsfunktion-Akkumulationseinheit 204 akkumulierte Diskriminationsfunktion Fertigkeiten der Arbeitskraft auf Basis dessen, ob die Diskriminationsfunktion gleich oder mehr als „0“ oder geringer als „0“ ist. Falls bei der Diskriminationsverarbeitung des Schritts ST24 die Diskriminationsfunktion gleich oder mehr als „0“ ist, diskriminiert die Fertigkeitendiskriminationseinheit 205 dementsprechend, dass die Fertigkeiten der Arbeitskraft kompetent sind, und falls die Diskriminationsfunktion geringer als „0“ ist, diskriminiert die Fertigkeitendiskriminationseinheit 205, dass die Fertigkeiten der Arbeitskraft nicht kompetent sind.
  • Als Nächstes werden die Auswirkungen des Lernens durch die Bewegungslerneinrichtung 100 unter Bezugnahme auf die 6 und 7 beschrieben.
  • 6 ist eine erläuternde Zeichnung, die die Verarbeitung der Bewegungslerneinrichtung 100 gemäß der ersten Ausführungsform veranschaulicht.
  • 6A ist eine Zeichnung, die Bewegtbilddaten veranschaulicht, die durch die erste Bewegungscharakteristik-Extraktionseinheit 102 gelesen werden, und verwendet Bewegtbilddaten einer Arbeitskraft X als ein Beispiel.
  • 6B ist eine Zeichnung, die Bewegungsortskurvencharakteristiken veranschaulicht, die aus den Bewegtbilddaten von 6A durch die erste Bewegungscharakteristik-Extraktionseinheit 102 extrahiert werden. In dem Beispiel von 6B sind Bewegungsortskurvencharakteristiken Y einer Hand Xa der Arbeitskraft X veranschaulicht.
  • 6C ist eine Zeichnung, die Ergebnisse des Lernens der Ortskurvencharakteristiken Y von 6B durch die Bewegungscharakteristik-Lerneinheit 103 veranschaulicht. Wie in 6C dargestellt, ist ein Fall gezeigt, bei dem die Bewegungscharakteristik-Lerneinheit 103 aus den Ortskurvencharakteristiken Y drei Referenzortskurvencharakteristiken erlernt, das heißt die ersten Ortskurvencharakteristiken A, die zweiten Ortskurvencharakteristiken B und die dritten Ortskurvencharakteristiken C. Zusätzlich dazu ist das Ergebnis des Erzeugens eines Histogramms durch Gruppieren der in 6B gezeigten Ortskurvencharakteristiken Y in die ersten Ortskurvencharakteristiken A, die zweiten Ortskurvencharakteristiken B und die dritten Ortskurvencharakteristiken C dargestellt. Da die Bewegungscharakteristik-Lerneinheit 103 ein Histogramm für qualifizierte Arbeitskräfte und ein Histogramm für gewöhnliche Arbeitskräfte erzeugt, werden ein Histogramm für eine Gruppe von qualifizierten Arbeitskräften und ein Histogramm für eine Gruppe von gewöhnlichen Arbeitskräften erzeugt, wie in 6C dargestellt. In dem in 6C dargestellten Histogramm der Gruppe von qualifizierten Arbeitskräften sind die dritten Ortskurvencharakteristiken C die höchsten. Währenddessen sind die ersten Ortskurvencharakteristiken A in dem Histogramm der Gruppe von gewöhnlichen Arbeitskräften die höchsten.
  • 6D stellt einen Fall dar, bei dem eine Ortskurve D, die eine fachgemäße Bewegung angibt, die durch die Bewegungscharakteristik-Lerneinheit 103 identifiziert wird, visualisiert und in einem Raum (nachfolgend als „Arbeitsfertigkeitsraum“ bezeichnet) angezeigt wird, der Arbeitsfertigkeiten angibt. Die in 6D dargestellte horizontale Achse gibt die dritten Ortskurvencharakteristiken C an und jede der anderen Achsen repräsentiert die Häufigkeit entsprechender Ortskurvencharakteristiken. Das Beispiel von 6D gibt an, dass ein Fertigkeitsniveau mit dem Verlauf in eine Pfeilrichtung der Ortskurve D zunimmt und das Fertigkeitsniveau mit dem Verlauf in eine dem Pfeil entgegengesetzte Richtung der Ortskurve D abnimmt. Durch das Umwandeln der Ortskurvencharakteristiken von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften in Histogramme wird ein Arbeitsfertigkeitsraum erzeugt, und Bewegungen, die durch die Bewegungscharakteristik-Lerneinheit 103 identifiziert werden, können darin abgebildet werden. Dies ermöglicht die Annahme, dass Bewegungen einer qualifizierten Arbeitskraft und einer gewöhnlichen Arbeitskraft in jeweiligen unterschiedlichen Gebieten im Arbeitsfertigkeitsraum verteilt sind. Nur unter Beachtung einer Inter-Klassen-Verteilung zwischen einem Gebiet P, in dem ein Fertigkeitsniveau gering ist, und einem Gebiet Q, in dem ein Fertigkeitsniveau hoch ist, wie in 6D dargestellt, erlernt die Bewegungscharakteristik-Lerneinheit 103 zuerst eine Grenze von diesen. Die Bewegungscharakteristik-Lerneinheit 103 bestimmt eine gerade Linie orthogonal zu der erlernten Grenze als eine Achse der fachgemäßen Ortskurve.
  • Die Bildschirmsteuereinheit 206 der Fertigkeitendiskriminationseinrichtung 200 kann die Steuerung auf eine derartige Art und Weise durchführen, dass ein Grad des Fertigkeitsniveaus der Evaluierungszielarbeitskraft auf Basis des Diskriminationsergebnisses von der Fertigkeitendiskriminationseinheit 205 unter Verwendung des in 6D dargestellten Arbeitsfertigkeitsraums angezeigt wird.
  • 7 ist eine Zeichnung, die ein Beispiel für einen Fall veranschaulicht, bei dem das Diskriminationsergebnis von der Fertigkeitendiskriminationseinrichtung 200 gemäß der ersten Ausführungsform auf der Bildschirmeinrichtung 400 angezeigt wird.
  • In dem in 7 dargestellten Beispiel wird diskriminiert, dass Fertigkeiten der Arbeitskraft X nicht kompetent sind, und somit eine Ortskurve Da einer fachgemäßen Bewegung für die Arbeitskraft X über die Bildschirmeinrichtung 400 angezeigt wird. Durch das visuelle Erkennen des Bildschirms ist die Arbeitskraft X in der Lage, einen durch die Arbeitskraft X zu verbessernden Punkt leicht zu erkennen.
  • Wie oben beschrieben, ist die Bewegungslerneinrichtung gemäß der ersten Ausführungsform konfiguriert, mit Folgendem ausgestattet zu sein: der ersten Bewegungscharakteristik-Extraktionseinheit 102, die Bewegungsortskurvencharakteristiken von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften auf Basis von Bewegtbilddaten, die durch die Aufnahme von Bildern der qualifizierten Arbeitskraft und der gewöhnlichen Arbeitskraft erhalten werden, extrahiert; der Bewegungscharakteristik-Lerneinheit 103, die Ortskurvencharakteristiken, die Referenzortskurvencharakteristiken ähneln, die aus den extrahierten Ortskurvencharakteristiken bestimmt werden, gruppiert, mindestens ein Histogramm auf Basis der Häufigkeiten der gruppierten Ortskurvencharakteristiken erzeugt und ein Diskriminationslernen zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung auf Basis des erzeugten Histogramms durchführt; und der Diskriminationsfunktion-Erzeugungseinheit 104, die sich auf ein Ergebnis des Diskriminationslernens bezieht und eine Diskriminationsfunktion, die eine Grenze zum Diskriminieren zwischen fachgemäßen und nicht fachgemäßen Bewegungen angibt, erzeugt. Daher können fachgemäße Bewegungen der qualifizierten Arbeitskraft aus den Bewegtbilddaten extrahiert werden und ein Indikator zum Diskriminieren von Fertigkeiten der Evaluierungszielarbeitskraft kann aus den extrahierten Bewegungen erhalten werden.
  • Zusätzlich dazu ist die Fertigkeitendiskriminationseinrichtung gemäß der ersten Ausführungsform konfiguriert, mit Folgendem ausgestattet zu sein: der zweiten Bewegungscharakteristik-Extraktionseinheit 203, die Bewegungsortskurvencharakteristiken einer Evaluierungszielarbeitskraft aus Bewegtbilddaten, die durch eine Aufnahme eines Bildes der Arbeit der Evaluierungszielarbeitskraft erhalten werden, extrahiert, die extrahierten Ortskurvencharakteristiken unter Verwendung von zuvor bestimmten Referenzortskurvencharakteristiken gruppiert und ein Histogramm auf Basis von Häufigkeiten der gruppierten Ortskurvencharakteristiken erzeugt; der Fertigkeitendiskriminationseinheit 205, die aus dem erzeugten Histogramm unter Verwendung einer vorbestimmten Diskriminationsfunktion zum Diskriminieren einer fachgemäßen Bewegung diskriminiert, ob eine Bewegung der Evaluierungszielarbeitskraft kompetent ist oder nicht; und der Bildschirmsteuereinheit 206, die die Steuerung zum Anzeigen von Informationen für qualifizierte Arbeitskräfte in einem Fall durchführt, bei dem die Bewegung der Evaluierungszielarbeitskraft kompetent ist, und die Steuerung zum Anzeigen von Informationen für unqualifizierte Arbeitskräfte in einem Fall durchführt, bei dem die Bewegung der Evaluierungszielarbeitskraft nicht kompetent ist, auf Basis eines Ergebnisses der Diskrimination. Daher können aus den Bewegtbilddaten, die durch die Aufnahme eines Bildes der Arbeit der Evaluierungszielarbeitskraft erhalten werden, Fertigkeiten der Arbeitskraft diskriminiert werden. Darzulegende Informationen können gemäß dem Diskriminationsergebnis gewechselt werden und Fertigkeiten können zu gewöhnlichen Arbeitskräften transferiert werden, während verhindert wird, dass die Arbeit einer qualifizierten Arbeitskraft gehindert wird, oder während verhindert wird, dass die Arbeitseffizienz verringert wird.
  • Zweite Ausführungsform
  • Die zweite Ausführungsform stellt eine Konfiguration dar, bei der Fertigkeiten für jeden Körperteil einer Evaluierungszielarbeitskraft evaluiert werden.
  • 8 ist ein Blockdiagramm, das eine Konfiguration eines Fertigkeitendiskriminationssystems gemäß der zweiten Ausführungsform veranschaulicht.
  • Eine Bewegungslerneinrichtung 100A des Fertigkeitendiskriminationssystems gemäß der zweiten Ausführungsform wird konfiguriert, indem der Bewegungslerneinrichtung 100 gemäß der in 1 dargestellten ersten Ausführungsform eine Körperteildetektionseinheit 105 hinzugefügt wird. Zusätzlich dazu wird die Bewegungslerneinrichtung 100A konfiguriert, indem ihr eine erste Bewegungscharakteristik-Extraktionseinheit 102a, eine Bewegungscharakteristik-Lerneinheit 103a und eine Diskriminationsfunktion-Erzeugungseinheit 104a anstelle der ersten Bewegungscharakteristik-Extraktionseinheit 102, der Bewegungscharakteristik-Lerneinheit 103 und der Diskriminationsfunktion-Erzeugungseinheit 104 bereitgestellt wird.
  • Eine Fertigkeitendiskriminationseinrichtung 200A des Fertigkeitendiskriminationssystems gemäß der zweiten Ausführungsform wird konfiguriert, indem ihr eine zweite Bewegungscharakteristik-Extraktionseinheit 203a, eine Fertigkeitendiskriminationseinheit 205a und eine Bildschirmsteuereinheit 206a anstelle der zweiten Bewegungscharakteristik-Extraktionseinheit 203, der Fertigkeitendiskriminationseinheit 205 und der Bildschirmsteuereinheit 206 gemäß der in 1 dargestellten ersten Ausführungsform bereitgestellt wird.
  • Nachfolgend werden Komponenten, die identisch zu Komponenten der Bewegungslerneinrichtung 100 und der Fertigkeitendiskriminationseinrichtung 200 gemäß der ersten Ausführungsform sind oder diesen entsprechen, durch Bezugsziffern bezeichnet, die zu jenen identisch sind, die in der ersten Ausführungsform verwendet werden, und deren Erläuterung wird ausgelassen oder vereinfacht.
  • Die Körperteildetektionseinheit 105 analysiert Bewegtbilddaten, die in der Bewegtbilddatenbank 101 gespeichert sind, und detektiert Körperteile (nachfolgend als „Körperteile einer Arbeitskraft“ bezeichnet) einer qualifizierten Arbeitskraft und einer gewöhnlichen Arbeitskraft, die in den Bewegtbilddaten enthalten sind. Hier sind Körperteile einer Arbeitskraft Finger, Handflächen, Handgelenke und dergleichen der Arbeitskraft. Die Körperteildetektionseinheit 105 gibt Informationen, die die detektierten Körperteile angeben, und die Bewegtbilddaten zu der ersten Bewegungscharakteristik-Extraktionseinheit 102a aus. Die erste Bewegungscharakteristik-Extraktionseinheit 102a extrahiert aus den Bewegtbilddaten Bewegungsortskurvencharakteristiken der qualifizierten Arbeitskraft und der gewöhnlichen Arbeitskraft für jeden der Körperteile, die durch die Körperteildetektionseinheit 105 detektiert werden. Die erste Bewegungscharakteristik-Extraktionseinheit 102a gibt die extrahierten Bewegungsortskurvencharakteristiken zu der Bewegungscharakteristik-Lerneinheit 103a aus, während sie die Ortskurvencharakteristiken mit Informationen, die entsprechende Körperteile der Arbeitskraft angeben, assoziiert.
  • Die Bewegungscharakteristik-Lerneinheit 103a bestimmt auf Körperteilbasis Referenzbewegungsortskurvencharakteristiken aus den Bewegungsortskurvencharakteristiken, die durch die erste Bewegungscharakteristik-Extraktionseinheit 102a extrahiert werden. Die Bewegungscharakteristik-Lerneinheit 103a führt auf Körperteilbasis ein Diskriminationslernen zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung auf Basis der Referenzbewegungsortskurvencharakteristiken durch. Die Bewegungscharakteristik-Lerneinheit 103a erzeugt ein Bewegungscharakteristikverzeichnis, das die bestimmten Referenzbewegungsortskurvencharakteristiken auf Körperteilbasis speichert und speichert das Bewegungscharakteristikverzeichnis in der Bewegungscharakteristikverzeichnis-Speichereinheit 202 der Fertigkeitendiskriminationseinrichtung 200A. Zusätzlich dazu gibt die Bewegungscharakteristik-Lerneinheit 103a das Ergebnis des auf Körperteilbasis durchgeführten Diskriminationslernens zu der Diskriminationsfunktion-Erzeugungseinheit 104a aus. Die Diskriminationsfunktion-Erzeugungseinheit 104a bezieht sich auf das Lernergebnis durch die Bewegungscharakteristik-Lerneinheit 103a und erzeugt eine Diskriminationsfunktion auf Körperteilbasis. Die Diskriminationsfunktion-Erzeugungseinheit 104a akkumuliert die erzeugte Diskriminationsfunktion in der Diskriminationsfunktion-Akkumulationseinheit 204 der Fertigkeitendiskriminationseinrichtung 200A.
  • Die zweite Bewegungscharakteristik-Extraktionseinheit 203a bezieht sich auf das in der Bewegungscharakteristikverzeichnis-Speichereinheit 202 gespeicherte Bewegungscharakteristikverzeichnis und extrahiert die Bewegungsortskurvencharakteristiken aus den Evaluierungsziel-Bewegtbilddaten, die durch die Bildinformationen-Erhalteeinheit 201 erhalten werden. Die zweite Bewegungscharakteristik-Extraktionseinheit 203a gibt die extrahierten Bewegungsortskurvencharakteristiken zu der Fertigkeitendiskriminationseinheit 205a aus, während sie die Ortskurvencharakteristiken mit Informationen, die entsprechende Körperteile der Arbeitskraft angeben, assoziiert. Die Fertigkeitendiskriminationseinheit 205a verwendet die in der Diskriminationsfunktion-Akkumulationseinheit 204 akkumulierten Diskriminationsfunktionen, um aus den Bewegungsortskurvencharakteristiken, die durch die zweite Bewegungscharakteristik-Extraktionseinheit 203a extrahiert werden, zu diskriminieren, ob Fertigkeiten einer Evaluierungszielarbeitskraft kompetent sind oder nicht. Die Fertigkeitendiskriminationseinheit 205a führt eine Diskrimination für jeden Körperteil durch, der mit den Bewegungsortskurvencharakteristiken assoziiert ist. Die Fertigkeitendiskriminationseinheit 205a gibt die Diskriminationsergebnisse zu der Bildschirmsteuereinheit 206a aus, während sie die Diskriminationsergebnisse mit Informationen, die entsprechende Körperteile der Arbeitskraft angeben, assoziiert. Gemäß den Diskrimationsergebnissen von der Fertigkeitendiskriminationseinheit 205a bestimmt die Bildschirmsteuereinheit 206a auf Körperteilbasis der Arbeitskraft Informationen, die der Evaluierungszielarbeitskraft als Unterstützungsinformationen anzuzeigen sind.
  • Als Nächstes werden Hardwarekonfigurationen der Bewegungslerneinrichtung 100A und der Fertigkeitendiskriminationseinrichtung 200A als Beispiele beschrieben. Es sollte angemerkt werden, dass die Erläuterung von Konfigurationen, die zu jenen der ersten Ausführungsform identisch sind, ausgelassen werden.
  • Die Körperteildetektionseinheit 105, die erste Bewegungscharakteristik-Extraktionseinheit 102a, die Bewegungscharakteristik-Lerneinheit 103a und die Diskriminationsfunktion-Erzeugungseinheit 104a in der Bewegungslerneinrichtung 100A entsprechen der in 2A dargestellten Verarbeitungsschaltung 100a oder dem Prozessor 100b, der ein in dem in 2B dargestellten Speicher 100c gespeichertes Programm ausführt.
  • Die zweite Bewegungscharakteristik-Extraktionseinheit 203a, die Fertigkeitendiskriminationseinheit 205a und die Bildschirmsteuereinheit 206a in der Fertigkeitendiskriminationseinrichtung 200A entsprechen der in 3A dargestellten Verarbeitungsschaltung 200a oder dem Prozessor 200b, der ein in dem in 3B dargestellten Speicher 200c gespeichertes Programm ausführt.
  • Als Nächstes wird der Betrieb der Bewegungslerneinrichtung 100A und der Betrieb der Fertigkeitendiskriminationseinrichtung 200A beschrieben. Zuerst wird der Betrieb der Bewegungslerneinrichtung 100A beschrieben.
  • 9 ist ein Flussdiagramm, das den Betrieb der Bewegungslerneinrichtung 100A gemäß der zweiten Ausführungsform veranschaulicht. Es sollte angemerkt werden, dass Schritte in dem in 9 dargestellten Flussdiagramm, die zu jenen in dem Flussdiagramm der in 4 dargestellten ersten Ausführungsform identisch sind, durch identische Bezugsziffern bezeichnet werden, und deren Erläuterung weggelassen wird.
  • Die Körperteildetektionseinheit 105 liest aus der Bewegtbilddatenbank 101 Bewegtbilddaten, die durch die Aufnahme von Bildern der Bewegungen von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften erhalten werden (Schritt ST31). Die Körperteildetektionseinheit 105 detektiert Körperteile einer Arbeitskraft, die in den im Schritt ST31 gelesenen Bewegtbilddaten enthalten sind (Schritt ST32). Die Körperteildetektionseinheit 105 gibt Informationen, die die detektierten Körperteile angeben, und die gelesenen Bewegtbilddaten zu der ersten Bewegungscharakteristik-Extraktionseinheit 102a aus. Die erste Bewegungscharakteristik-Extraktionseinheit 102a extrahiert aus den im Schritt ST31 gelesenen Bewegtbilddaten Bewegungsortskurvencharakteristiken für jeden der Körperteile der Arbeitskraft, die im Schritt ST32 detektiert werden (Schritt ST2a). Die erste Bewegungscharakteristik-Extraktionseinheit 102a gibt die Bewegungsortskurvencharakteristiken, die auf Körperteilbasis der Arbeitskraft extrahiert werden, zu der Bewegungscharakteristik-Lerneinheit 103a aus.
  • Die Bewegungscharakteristik-Lerneinheit 103a bestimmt mehrere Referenzortskurvencharakteristiken auf Körperteilbasis der Arbeitskraft (Schritt ST3a). Durch das Verwenden der im Schritt ST3a bestimmten Referenzortskurvencharakteristiken erzeugt die Bewegungscharakteristik-Lerneinheit 103a ein Bewegungscharakteristikverzeichnis auf Körperteilbasis der Arbeitskraft und speichert die Bewegungscharakteristikverzeichnisse in der Bewegungscharakteristikverzeichnis-Speichereinheit 202 der Fertigkeitendiskriminationseinrichtung 200A (Schritt ST4a). Die Bewegungscharakteristik-Lerneinheit 103a führt Prozesse der Schritte ST5 bis ST7 aus, um eine projektive Transformationsmatrix auf Körperteilbasis der Arbeitskraft zu erzeugen (Schritt ST8a). Die Diskriminationsfunktion-Erzeugungseinheit 104a erzeugt eine Diskriminationsfunktion auf Körperteilbasis der Arbeitskraft (Schritt ST9a). Die Diskriminationsfunktion-Erzeugungseinheit 104a akkumuliert die erzeugten Diskriminationsfunktionen in der Diskriminationsfunktion-Akkumulationseinheit 204 der Fertigkeitendiskriminationseinrichtung 200A, während sie die Diskriminationsfunktionen mit den entsprechenden Körperteilen der Arbeitskraft assoziiert (Schritt ST10a), und die Verarbeitung endet.
  • Als Nächstes wird der Betrieb der Fertigkeitendiskriminationseinrichtung 200A beschrieben.
  • 10 ist ein Flussdiagramm, das den Betrieb der Fertigkeitendiskriminationseinrichtung 200A gemäß der zweiten Ausführungsform veranschaulicht. Es sollte angemerkt werden, dass Schritte in dem in 10 dargestellten Flussdiagramm, die zu jenen in dem Flussdiagramm der in 5 dargestellten ersten Ausführungsform identisch sind, durch identische Bezugsziffern bezeichnet werden, und deren Erläuterung weggelassen wird.
  • Die zweite Bewegungscharakteristik-Extraktionseinheit 203a bezieht sich auf die in der Bewegungscharakteristikverzeichnis-Speichereinheit 202 gespeicherten Bewegungscharakteristikverzeichnisse, gruppiert die extrahierten Ortskurvencharakteristiken und erzeugt ein Histogramm entsprechend den Häufigkeiten auf Körperteilbasis (Schritt ST23a). Die zweite Bewegungscharakteristik-Extraktionseinheit 203a gibt die im Schritt ST23a erzeugten Histogramme zu der Fertigkeitendiskriminationseinheit 205a aus, während sie die Histogramme mit den entsprechenden Körperteilen der Arbeitskraft assoziiert. Durch das Verwenden der in der Diskriminationsfunktion-Akkumulationseinheit 204 auf Körperteilbasis akkumulierten Diskriminationsfunktion diskriminiert die Fertigkeitendiskriminationseinheit 205a aus den im Schritt ST23a erzeugten Histogrammen, ob Fertigkeiten kompetent sind oder nicht, auf Körperteilbasis der Arbeitskraft (Schritt ST24a). Im Schritt ST24a gibt die Fertigkeitendiskriminationseinheit 205a die Diskriminationsergebnisse zu der Bildschirmsteuereinheit 206a aus, wenn Fertigkeiten aller Körperteile diskriminiert worden sind.
  • In einem Fall, bei dem Fertigkeiten eines gewissen Körperteils einer Arbeitskraft in einem Arbeitszustand kompetent sind (Schritt ST24a: JA), führt die Bildschirmsteuereinheit 206a die Bildschirmsteuerung der Bildschirmeinrichtung 400 so durch, dass Informationen für Arbeitskräfte, deren Fertigkeiten bezüglich des Körperteils kompetent sind, angezeigt werden (Schritt ST25a). Währenddessen führt die Bildschirmsteuereinheit 206a in einem Fall, bei dem Fertigkeiten des gewissen Körperteils der Arbeitskraft nicht kompetent sind (Schritt ST24a: NEIN), die Bildschirmsteuerung der Bildschirmeinrichtung 400 so durch, dass Informationen für gewöhnliche Arbeitskräfte angezeigt werden (Schritt ST26a). Anschließend endet die Verarbeitung. Es sollte angemerkt werden, dass in einem Fall, bei dem die Diskriminationsergebnisse von der Fertigkeitendiskriminationseinheit 205a angeben, dass, obwohl Fertigkeiten eines gewissen Körperteils kompetent sind, Fertigkeiten eines anderen gewissen Körperteils nicht kompetent sind, die Bildschirmsteuereinheit 206a beide Prozesse des Schritts ST25a und des Schritts ST26a durchführt.
  • Wie oben gemäß der zweiten Ausführungsform beschrieben, ist die Körperteildetektionseinheit 105 bereitgestellt, die abgebildete Körperteile der qualifizierten Arbeitskraft und der gewöhnlichen Arbeitskraft aus den Bewegtbilddaten detektiert, die erste Bewegungscharakteristik-Extraktionseinheit 102a extrahiert Ortskurvencharakteristiken auf Basis eines detektierten Körperteils, die Bewegungscharakteristik-Lerneinheit 103a erzeugt auf Körperteilbasis ein Histogramm auf Basis eines detektierten Körperteils, um ein Diskriminationslernen durchzuführen, und die Diskriminationsfunktion-Erzeugungseinheit 104a erzeugt eine Diskriminationsfunktion auf Basis eines detektierten Körperteils. Daher können Bewegungscharakteristiken auf Körperteilbasis der Arbeitskraft erlernt werden.
  • Zusätzlich dazu können in der Fertigkeitendiskriminationseinrichtung 200A Informationen einer Evaluierungszielarbeitskraft auf Körperteilbasis dargelegt werden und daher können Informationen in Detail dargelegt werden.
  • Die obige Erläuterung beschreibt die Konfiguration, bei der, wenn die Bewegungscharakteristik-Lerneinheit 103 oder 103a eine Zweiklassen-Klassifikation in eine Gruppe von qualifizierten Arbeitskräften und eine Gruppe von gewöhnlichen Arbeitskräften in der Diskriminationsanalyse durchführt, eine Projektionsachse auf eine derartige Art und Weise berechnet wird, dass eine Inter-Klassen-Verteilung maximal wird und zur gleichen Zeit eine Intra-Klassen-Verteilung minimal wird, und eine Diskriminationsgrenze bestimmt wird. Wenn eine Projektionsachse durch Hinzufügen eines dünnbesetzten Regularisierungsterms berechnet wird, wird ein Element, dessen Einflussgrad niedrig ist, als Gewichtung „0“ erlernt. Dies ermöglicht das Aufweisen einer Konfiguration, bei der, wenn die Bewegungscharakteristik-Lerneinheit 103 oder 103a eine Projektionsachse berechnet, eine Projektionsachse durch Hinzufügen eines dünnbesetzten Regularisierungsterms auf eine derartige Art und Weise berechnet wird, dass Komponenten der Achse eine große Anzahl von „0“ beinhalten.
  • Die Bewegungscharakteristik-Lerneinheit 103 oder 103a berechnet eine Projektionsachse durch Hinzufügen eines dünnbesetzten Regularisierungsterms. Infolgedessen ist es möglich, zu verhindern, dass eine zum Bestimmen einer Diskriminationsgrenze erforderliche charakteristische Ortskurve eine Extraktion von komplizierten charakteristischen Ortskurven, mit anderen Worten eine Kombination mehrerer Ortskurven, wird. Daher ist die Bewegungscharakteristik-Lerneinheit 103 in der Lage, eine Diskriminationsgrenze durch Berechnen einer Projektionsachse aus einer Kombination von weniger Arten von charakteristischen Ortskurven aus mehreren charakteristischen Ortskurven zu bestimmen. Dies ermöglicht der Fertigkeitendiskriminationseinrichtung 200 oder 200A, die Darlegung eines Fertigkeitsniveaus zu implementieren, die Arbeitskräfte leicht verstehen können.
  • 11 ist eine Zeichnung, die Auswirkungen veranschaulicht, die in einem Fall erzeugt werden, bei dem ein dünnbesetzter Regularisierungsterm in der Bewegungslerneinrichtung 100 gemäß der ersten Ausführungsform hinzugefügt wird.
  • 11 stellt einen Arbeitsraum und eine Ortskurve E dar, die erhalten werden, wenn eine Projektionsachse durch Hinzufügen eines dünnbesetzten Regularisierungsterms zu dem in 6C dargestellten Lernergebnis in der ersten Ausführungsform berechnet wird. Die in 11D dargestellte horizontale Achse gibt die dritten Ortskurvencharakteristiken C an und jede der anderen Achsen repräsentiert die Häufigkeit entsprechender Ortskurvencharakteristiken. Die Ortskurve E ist parallel zu der dritten Ortskurvencharakteristik C und zeigt auf eine verständlichere Art und Weise eine Ortskurve an, die eine fachgemäße Bewegung von Arbeitskräften darlegt.
  • Neben dem Obenstehenden kann eine freie Kombination von Ausführungsformen, eine Modifikation einer beliebigen Komponente jeder Ausführungsform oder eine Auslassung einer beliebigen Komponente jeder Ausführungsform in der vorliegenden Erfindung im Schutzumfang der Erfindung vorgenommen werden.
  • INDUSTRIELLE ANWENDBARKEIT
  • Die Bewegungslerneinrichtung gemäß der vorliegenden Erfindung ist in der Lage, fachgemäße Bewegungen von Arbeitskräften zu erlernen, und eignet sich daher zur Implementierung des Transfers von Fertigkeiten von qualifizierten Arbeitskräften durch das Anwenden der Bewegungslerneinrichtung an einem System oder dergleichen zur Unterstützung von Arbeitskräften, sodass den Arbeitskräften Bewegungscharakteristiken der qualifizierten Arbeitskräfte dargestellt werden.
  • Bezugszeichenliste
    • 100, 100A
    Bewegungslerneinrichtung
    101
    Bewegtbilddatenbank
    102, 102a
    Erste Bewegungscharakteristik-Extraktionseinheit
    103, 103a
    Bewegungscharakteristik-Lerneinheit
    104, 104a
    Diskriminationsfunktion-Erzeugungseinheit
    105
    Körperteildetektionseinheit
    200,200A
    Fertigkeitendiskriminationseinrichtung
    201
    Bildinformationen-Erhalteeinheit
    202
    Bewegungscharakteristikverzeichnis-Speichereinheit
    203, 203a
    Zweite Bewegungscharakteristik-Extraktionseinheit
    204
    Diskriminationsfunktion-Akkumulationseinheit
    205, 205a
    Fertigkeitendiskriminationseinheit
    206, 206a
    Bildschirmsteuereinheit
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • JP 2011133984 [0004]

Claims (7)

  1. Bewegungslerneinrichtung, umfassend: eine erste Bewegungscharakteristik-Extraktionseinheit zum Extrahieren von Bewegungsortskurvencharakteristiken von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften auf Basis von Bewegtbilddaten, die durch die Aufnahme von Bildern der qualifizierten Arbeitskräfte und der gewöhnlichen Arbeitskräfte erhalten werden; eine Bewegungscharakteristik-Lerneinheit zum Gruppieren der Ortskurvencharakteristiken, die Referenzortskurvencharakteristiken ähneln, die aus den durch die erste Bewegungscharakteristik-Extraktionseinheit extrahierten Ortskurvencharakteristiken bestimmt werden, zum Erzeugen von mindestens einem Histogramm auf Basis von Häufigkeiten der gruppierten Ortskurvencharakteristiken und zum Durchführen eines Diskriminationslernens zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung auf Basis des erzeugten Histogramms; und eine Diskriminationsfunktion-Erzeugungseinheit zum Bezugnehmen auf ein Ergebnis des Diskriminationslernens durch die Bewegungscharakteristik-Lerneinheit und zum Erzeugen einer Diskriminationsfunktion, die eine Grenze zum Diskriminieren zwischen fachgemäßen und nicht fachgemäßen Bewegungen angibt.
  2. Bewegungslerneinrichtung nach Anspruch 1, wobei die Bewegungscharakteristik-Lerneinheit ein Histogramm einer Gruppe der qualifizierten Arbeitskräfte und ein Histogramm einer Gruppe der gewöhnlichen Arbeitskräfte verwendet, eine Projektionsachse berechnet, entlang der eine Verteilung zwischen der Gruppe der qualifizierten Arbeitskräfte und der Gruppe der gewöhnlichen Arbeitskräfte maximal wird und eine Verteilung in jeder der Gruppen minimal wird, und die Diskriminationsfunktion erzeugt.
  3. Bewegungslerneinrichtung nach Anspruch 1, wobei die Bewegungscharakteristik-Lerneinheit das Diskriminationslernen unter Verwendung eines Diskriminators basierend auf Maschinenlernen durchführt.
  4. Bewegungslerneinrichtung nach Anspruch 1, ferner umfassend: eine Körperteildetektionseinheit zum Detektieren von abgebildeten Körperteilen der qualifizierten Arbeitskräfte und der gewöhnlichen Arbeitskräfte aus den Bewegtbilddaten, wobei die erste Bewegungscharakteristik-Extraktionseinheit Ortskurvencharakteristiken für jeden der detektierten Körperteile extrahiert, die Bewegungscharakteristik-Lerneinheit das Histogramm erzeugt und das Diskriminationslernen für jeden der durch die Körperteildetektionseinheit detektierten Körperteile durchführt, und die Diskriminationsfunktion-Erzeugungseinheit die Diskriminationsfunktion für jeden der detektierten Körperteile erzeugt.
  5. Bewegungslerneinrichtung nach Anspruch 3, wobei die Bewegungscharakteristik-Lerneinheit einen dünnbesetzten Regularisierungsterm hinzufügt und das Diskriminationslernen unter Verwendung des Diskriminators durchführt.
  6. Fertigkeitendiskriminationseinrichtung, umfassend: eine zweite Bewegungscharakteristik-Extraktionseinheit zum Extrahieren, aus Bewegtbilddaten, die durch die Aufnahme eines Bildes der Arbeit einer Evaluierungszielarbeitskraft erhalten werden, von Bewegungsortskurvencharakteristiken der Evaluierungszielarbeitskraft, zum Gruppieren der extrahierten Ortskurvencharakteristiken der Evaluierungszielarbeitskraft unter Verwendung von zuvor bestimmten Referenzortskurvencharakteristiken und zum Erzeugen eines Histogramms auf Basis von Häufigkeiten der gruppierten Ortskurvencharakteri stiken; eine Fertigkeitendiskriminationseinheit zum Diskriminieren, aus dem durch die zweite Bewegungscharakteristik-Extraktionseinheit erzeugten Histogramm, ob eine Bewegung der Evaluierungszielarbeitskraft kompetent ist oder nicht, unter Verwendung einer vorbestimmten Diskriminationsfunktion zum Diskriminieren einer fachgemäßen Bewegung; und eine Bildschirmsteuereinheit zum Durchführen einer Steuerung zum Anzeigen von Informationen für eine qualifizierte Arbeitskraft in einem Fall, bei dem die Bewegung der Evaluierungszielarbeitskraft kompetent ist, und zum Durchführen einer Steuerung zum Anzeigen von Informationen für eine gewöhnliche Arbeitskraft in einem Fall, bei dem die Bewegung der Evaluierungszielarbeitskraft nicht kompetent ist, auf Basis eines Ergebnisses der Diskrimination durch die Fertigkeitendiskriminationseinheit.
  7. Fertigkeitendiskriminationssystem, umfassend: eine erste Bewegungscharakteristik-Extraktionseinheit zum Extrahieren von ersten Bewegungsortskurvencharakteristiken von qualifizierten Arbeitskräften und gewöhnlichen Arbeitskräften auf Basis von Bewegtbilddaten, die durch die Aufnahme von Bildern der qualifizierten Arbeitskräfte und der gewöhnlichen Arbeitskräfte erhalten werden; eine Bewegungscharakteristik-Lerneinheit zum Bestimmen von Referenzortskurvencharakteristiken aus den ersten Ortskurvencharakteristiken, die durch die erste Bewegungscharakteristik-Extraktionseinheit extrahiert werden, zum Gruppieren der ersten Ortskurvencharakteristiken, die den bestimmten Referenzortskurvencharakteristiken ähneln, zum Erzeugen von mindestens einem Histogramm auf Basis von Häufigkeiten der gruppierten ersten Ortskurvencharakteristiken und zum Durchführen eines Diskriminationslernens zum Identifizieren von Ortskurvencharakteristiken einer fachgemäßen Bewegung auf Basis des Histogramms; eine Diskriminationsfunktion-Erzeugungseinheit zum Bezugnehmen auf ein Ergebnis des Diskriminationslernens durch die Bewegungscharakteristik-Lerneinheit und zum Erzeugen einer Diskriminationsfunktion, die eine Grenze zum Diskriminieren zwischen fachgemäßen und nicht fachgemäßen Bewegungen angibt; eine zweite Bewegungscharakteristik-Extraktionseinheit zum Extrahieren, aus Bewegtbilddaten, die durch die Aufnahme eines Bildes der Arbeit einer Evaluierungszielarbeitskraft erhalten werden, von zweiten Bewegungsortskurvencharakteristiken der Evaluierungszielarbeitskraft, zum Gruppieren der zweiten Ortskurvencharakteristiken unter Verwendung der Referenzortskurvencharakteristiken, die durch die Bewegungscharakteristik-Lerneinheit bestimmt werden, und zum Erzeugen eines Histogramms auf Basis von Häufigkeiten der gruppierten zweiten Ortskurvencharakteristiken; eine Fertigkeitendiskriminationseinheit zum Diskriminieren, aus dem durch die zweite Bewegungscharakteristik-Extraktionseinheit erzeugten Histogramm, ob eine Bewegung der Arbeitskraft in einem Arbeitszustand kompetent ist oder nicht, unter Verwendung der durch die Diskriminationsfunktion-Erzeugungseinheit erzeugten Diskriminationsfunktion; und eine Bildschirmsteuereinheit zum Durchführen einer Steuerung zum Anzeigen von Informationen für eine qualifizierte Arbeitskraft in einem Fall, bei dem die Bewegung der Arbeitskraft in einem Arbeitszustand kompetent ist, und zum Durchführen einer Steuerung zum Anzeigen von Informationen für eine gewöhnliche Arbeitskraft in einem Fall, bei dem die Bewegung der Arbeitskraft in einem Arbeitszustand nicht kompetent ist, auf Basis eines Ergebnisses der Diskrimination durch die Fertigkeitendiskriminationseinheit.
DE112017006891.6T 2017-02-24 2017-02-24 Bewegungslerneinrichtung, fertigkeitendiskriminationseinrichtung und fertigkeitendiskriminationssystem Withdrawn DE112017006891T5 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/007104 WO2018154709A1 (ja) 2017-02-24 2017-02-24 動作学習装置、技能判別装置および技能判別システム

Publications (1)

Publication Number Publication Date
DE112017006891T5 true DE112017006891T5 (de) 2019-10-10

Family

ID=63252523

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112017006891.6T Withdrawn DE112017006891T5 (de) 2017-02-24 2017-02-24 Bewegungslerneinrichtung, fertigkeitendiskriminationseinrichtung und fertigkeitendiskriminationssystem

Country Status (7)

Country Link
US (1) US20190370982A1 (de)
JP (1) JP6570786B2 (de)
KR (1) KR20190099537A (de)
CN (1) CN110291559A (de)
DE (1) DE112017006891T5 (de)
TW (1) TW201832182A (de)
WO (1) WO2018154709A1 (de)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7106851B2 (ja) * 2017-12-12 2022-07-27 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
JP6912513B2 (ja) * 2018-10-31 2021-08-04 ファナック株式会社 表示システム、機械学習装置、及び表示装置
US11119716B2 (en) 2018-10-31 2021-09-14 Fanuc Corporation Display system, machine learning device, and display device
KR102618732B1 (ko) * 2019-08-27 2023-12-27 엘지전자 주식회사 얼굴 인식 활용 단말기 및 얼굴 인식 활용 방법
JP7393720B2 (ja) 2019-10-29 2023-12-07 オムロン株式会社 技能評価装置、技能評価方法及び技能評価プログラム
CN111046739A (zh) * 2019-11-14 2020-04-21 京东数字科技控股有限公司 一种操作熟练度识别方法、装置及存储介质
KR102466433B1 (ko) * 2020-09-03 2022-11-11 (주)넥스트랩 영상 분석 기반 작업 동작 인식 장치 및 방법
JP7249444B1 (ja) * 2022-02-14 2023-03-30 日鉄ソリューションズ株式会社 情報処理装置、情報処理方法、プログラム、及び情報処理システム
CN114783611B (zh) * 2022-06-22 2022-08-23 新泰市中医医院 基于人工智能的神经康复动作检测系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011133984A (ja) 2009-12-22 2011-07-07 Panasonic Corp 動作特徴抽出装置および動作特徴抽出方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5604256B2 (ja) * 2010-10-19 2014-10-08 日本放送協会 人物動作検出装置およびそのプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011133984A (ja) 2009-12-22 2011-07-07 Panasonic Corp 動作特徴抽出装置および動作特徴抽出方法

Also Published As

Publication number Publication date
JPWO2018154709A1 (ja) 2019-06-27
KR20190099537A (ko) 2019-08-27
CN110291559A (zh) 2019-09-27
JP6570786B2 (ja) 2019-09-04
TW201832182A (zh) 2018-09-01
WO2018154709A1 (ja) 2018-08-30
US20190370982A1 (en) 2019-12-05

Similar Documents

Publication Publication Date Title
DE112017006891T5 (de) Bewegungslerneinrichtung, fertigkeitendiskriminationseinrichtung und fertigkeitendiskriminationssystem
DE102017220307B4 (de) Vorrichtung und Verfahren zum Erkennen von Verkehrszeichen
DE60037919T2 (de) Verfahren zum Wiederauffinden von Bildtexturen und Vorrichtung dafür
DE112016007498T5 (de) Untersuchungseinrichtung und untersuchungsverfahren
DE112016007110T5 (de) Lernvorrichtung, signalverarbeitungsvorrichtung und lernverfahren
DE112020005572T5 (de) Tiefe Gesichtserkennung basierend auf Clustern über unbezeichnete Gesichtsdaten
DE112019000093T5 (de) Diskriminierungsvorrichtung und Maschinenlernverfahren
WO2013037357A1 (de) Maschinelles lernverfahren zum maschinellen erlernen von erscheinungsformen von objekten in bildern
DE102020110028A1 (de) Datenvorverarbeitungsverfahren und -Vorrichtung für Datenfusion
WO2018077745A1 (de) Analyseverfahren für objektmarkierungen in bildern auf basis von modellen
DE102021207613A1 (de) Verfahren zur Qualitätssicherung eines Systems
DE102021201777A1 (de) Verfahren zur Verhaltenserkennung, Vorrichtung zur Verhaltenserkennung und computerlesbares Aufzeichnungsmedium
DE112017007247T5 (de) Bildverarbeitungsvorrichtung
DE112020007472T5 (de) Lernnutzungssystem, nutzungsvorrichtung, lernvorrichtung, programm und lernnutzungsverfahren
DE102019209463A1 (de) Verfahren zur Bestimmung eines Vertrauenswertes eines Objektes einer Klasse
DE112018007522T5 (de) Arbeitsanalyseeinrichtung
DE102021212277A1 (de) Verfahren und Vorrichtung für bestärkendes Lernen
DE112020007889T5 (de) Bildverarbeitungseinrichtung, programm und bildverarbeitungsverfahren
DE112021000251T5 (de) Verfahren zum auswählen von datensätzen zum aktualisieren eines moduls mit künstlicher intelligenz
DE202019103924U1 (de) Vorrichtung für die Verarbeitung digitaler Sensordaten
DE102022214233B3 (de) Bestimmen einer Ähnlichkeit von Verkehrsszenen zur Verbesserung maschineller Lernsysteme bzw. Algorithmen zur Trajektorienprädiktion oder Manöverplanung für automatisierte Fahrzeuge
DE102019220615A1 (de) Verfahren und Vorrichtung zum Erkennen und Klassifizieren von Objekten
DE102019114049A1 (de) Verfahren zur Validierung eines Fahrerassistenzsystems mithilfe von weiteren generierten Testeingangsdatensätzen
DE102004007049A1 (de) Verfahren zur Klassifizierung eines Objekts mit einer Stereokamera
DE102021121149A1 (de) Verfahren zur automatisierten Bestimmung einer Kopfpose eines Benutzers in einem Kraftfahrzeug

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee