JP2001141580A - 個別適応可能な触行動識別装置および記録媒体 - Google Patents
個別適応可能な触行動識別装置および記録媒体Info
- Publication number
- JP2001141580A JP2001141580A JP32646899A JP32646899A JP2001141580A JP 2001141580 A JP2001141580 A JP 2001141580A JP 32646899 A JP32646899 A JP 32646899A JP 32646899 A JP32646899 A JP 32646899A JP 2001141580 A JP2001141580 A JP 2001141580A
- Authority
- JP
- Japan
- Prior art keywords
- learning data
- tactile
- action
- identification
- pressure
- 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.)
- Pending
Links
Landscapes
- Input From Keyboards Or The Like (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
- Manipulator (AREA)
Abstract
(57)【要約】
【課題】 圧力センサを用い、人等の行動主体の触行動
パターンを識別する場合、行動主体の個々に適応するこ
とができる触行動識別における個別適応装置および記録
媒体を提供することを目的とするものである。 【解決手段】 圧力センサシート上に加えられた圧力値
に基づいて、所定の特徴量を算出する特徴量算出手段
と、上記特徴量と、行動主体の触行動との関係を学習デ
ータとして格納する学習データ格納手段と、上記特徴量
算出手段が算出した上記特徴量と、上記学習データとに
応じて、行動主体の触行動を識別する識別手段と、上記
識別手段が識別した触行動の識別結果と、上記特徴量算
出手段が算出した特徴量とに応じて、上記学習データ格
納手段に格納されている学習データを、上記行動主体の
それぞれについて個別に変更する学習データ変更手段と
を有するものである。
パターンを識別する場合、行動主体の個々に適応するこ
とができる触行動識別における個別適応装置および記録
媒体を提供することを目的とするものである。 【解決手段】 圧力センサシート上に加えられた圧力値
に基づいて、所定の特徴量を算出する特徴量算出手段
と、上記特徴量と、行動主体の触行動との関係を学習デ
ータとして格納する学習データ格納手段と、上記特徴量
算出手段が算出した上記特徴量と、上記学習データとに
応じて、行動主体の触行動を識別する識別手段と、上記
識別手段が識別した触行動の識別結果と、上記特徴量算
出手段が算出した特徴量とに応じて、上記学習データ格
納手段に格納されている学習データを、上記行動主体の
それぞれについて個別に変更する学習データ変更手段と
を有するものである。
Description
【０００１】
【発明の属する技術分野】本発明は、コンピュータやロ
ボット等が、人間等の触行動のパターンを識別する触行
動識別装置に係り、特に、個人等の個別に適応可能な装
置に関するものである。
ボット等が、人間等の触行動のパターンを識別する触行
動識別装置に係り、特に、個人等の個別に適応可能な装
置に関するものである。
【０００２】
【従来の技術】従来、圧力センサ等の触覚デバイスを用
いて、人の接触等を検出する場合、識別に用いる汎用の
学習データを用意し、識別を行う装置が、特願平１１−
２３７４６９号「触行動識別装置および記録媒体」にお
いて提案されている。
いて、人の接触等を検出する場合、識別に用いる汎用の
学習データを用意し、識別を行う装置が、特願平１１−
２３７４６９号「触行動識別装置および記録媒体」にお
いて提案されている。
【０００３】
【発明が解決しようとする課題】ところで、人の平均的
な触行動は、時間が経つにつれて変化することがあり、
また、特定の個人に着目しても、その触行動は、時間が
経つにつれて変化する場合が多い。
な触行動は、時間が経つにつれて変化することがあり、
また、特定の個人に着目しても、その触行動は、時間が
経つにつれて変化する場合が多い。
【０００４】また、人に限らず、動物、ロボット等を含
めた行動主体について考えてみると、人の場合と同じよ
うに、その動物等の行動主体の平均的な触行動は、時間
が経つにつれて変化することがあり、また、特定の行動
主体に着目しても、その触行動は、時間が経つにつれて
変化する場合が多い。
めた行動主体について考えてみると、人の場合と同じよ
うに、その動物等の行動主体の平均的な触行動は、時間
が経つにつれて変化することがあり、また、特定の行動
主体に着目しても、その触行動は、時間が経つにつれて
変化する場合が多い。
【０００５】本発明は、圧力センサを用い、人等の行動
主体の触行動パターンを識別する場合、行動主体の個々
に適応することができる触行動識別における個別適応装
置および記録媒体を提供することを目的とするものであ
る。
主体の触行動パターンを識別する場合、行動主体の個々
に適応することができる触行動識別における個別適応装
置および記録媒体を提供することを目的とするものであ
る。
【０００６】特に、コンピュータやロボット等によっ
て、触行動パターンの識別結果を即座に利用できるよう
に、高精度かつ実時間で処理する場合、行動主体のそれ
ぞれに適応することができるものを提供することを目的
とするものである。
て、触行動パターンの識別結果を即座に利用できるよう
に、高精度かつ実時間で処理する場合、行動主体のそれ
ぞれに適応することができるものを提供することを目的
とするものである。
【０００７】
【課題を解決するための手段】本発明は、平面上に加え
られた圧力を検知する圧力センサシートを有する触行動
識別装置において、上記圧力センサシート上に加えられ
た圧力値に基づいて、所定の特徴量を算出する特徴量算
出手段と、上記特徴量と、行動主体の触行動との関係を
学習データとして格納する学習データ格納手段と、上記
特徴量算出手段が算出した上記特徴量と、上記学習デー
タとに応じて、行動主体の触行動を識別する識別手段
と、上記識別手段が識別した触行動の識別結果と、上記
特徴量算出手段が算出した特徴量とに応じて、上記学習
データ格納手段に格納されている学習データを、上記行
動主体のそれぞれについて個別に変更する学習データ変
更手段とを有するものである。
られた圧力を検知する圧力センサシートを有する触行動
識別装置において、上記圧力センサシート上に加えられ
た圧力値に基づいて、所定の特徴量を算出する特徴量算
出手段と、上記特徴量と、行動主体の触行動との関係を
学習データとして格納する学習データ格納手段と、上記
特徴量算出手段が算出した上記特徴量と、上記学習デー
タとに応じて、行動主体の触行動を識別する識別手段
と、上記識別手段が識別した触行動の識別結果と、上記
特徴量算出手段が算出した特徴量とに応じて、上記学習
データ格納手段に格納されている学習データを、上記行
動主体のそれぞれについて個別に変更する学習データ変
更手段とを有するものである。
【０００８】
【発明の実施の形態および実施例】図１は、本発明の一
実施例である個別適応可能な触行動識別装置１００を示
す概念図である。
実施例である個別適応可能な触行動識別装置１００を示
す概念図である。
【０００９】個別適応可能な触行動識別装置１００は、
圧力センサシート１０と、インタフェースケーブル１１
と、人の触行動を識別するコンピュータ１２とを有し、
圧力センサシート１０に入力された圧力データが、イン
タフェースケーブル１１を経由し、コンピュータ１２に
取り込まれ、人の触行動が識別処理される。また、コン
ピュータ１２は、その機能として、信号処理部２０を有
する。
圧力センサシート１０と、インタフェースケーブル１１
と、人の触行動を識別するコンピュータ１２とを有し、
圧力センサシート１０に入力された圧力データが、イン
タフェースケーブル１１を経由し、コンピュータ１２に
取り込まれ、人の触行動が識別処理される。また、コン
ピュータ１２は、その機能として、信号処理部２０を有
する。
【００１０】図２は、上記実施例における信号処理部２
０と、識別結果表示装置６０とを示すブロック図であ
る。
０と、識別結果表示装置６０とを示すブロック図であ
る。
【００１１】次に、信号処理部２０の内部の詳細につい
て説明する。
て説明する。
【００１２】信号処理部２０は、Ａ／Ｄ変換部２１と、
圧力センサデータ用メモリ２２と、特徴抽出部４０と、
特徴格納メモリ２９と、学習データ用特徴格納メモリ３
０と、触行動識別部３１と、識別結果用メモリ３２と、
学習計算部５０とを有する。
圧力センサデータ用メモリ２２と、特徴抽出部４０と、
特徴格納メモリ２９と、学習データ用特徴格納メモリ３
０と、触行動識別部３１と、識別結果用メモリ３２と、
学習計算部５０とを有する。
【００１３】圧力センサシート１０から入力された圧力
データは、Ａ／Ｄ変換部２１を経由し、圧力センサデー
タ用メモリ２２に格納される。圧力センサデータ用メモ
リ２２に蓄積された圧力センサデータは、特徴抽出部４
０に送られる。
データは、Ａ／Ｄ変換部２１を経由し、圧力センサデー
タ用メモリ２２に格納される。圧力センサデータ用メモ
リ２２に蓄積された圧力センサデータは、特徴抽出部４
０に送られる。
【００１４】特徴抽出部４０は、圧力値算出／ピーク算
出部２３と、圧力値時間変化算出部２４と、加圧面積算
出部２５と、加圧面積時間変化算出部２６と、加圧重心
算出部２７と、加圧重心時間変化算出２８とを有する。
出部２３と、圧力値時間変化算出部２４と、加圧面積算
出部２５と、加圧面積時間変化算出部２６と、加圧重心
算出部２７と、加圧重心時間変化算出２８とを有する。
【００１５】各算出部２４〜２８において、それぞれの
特徴量が算出される。つまり、圧力値算出／ピーク算出
部２３が、圧力値を算出し、圧力値時間変化算出部２４
が、圧力値の時間変化、圧力値の時間変化のピーク値を
算出し、加圧面積算出部２５が、加圧面積、加圧面積の
時間変化のピーク値を算出し、加圧面積時間変化算出部
２６が、加圧面積の時間変化を算出し、加圧重心算出部
２７が、圧力分布の重心位置を算出し、加圧重心時間変
化算出２８が、圧力分布の重心位置の時間変化を算出す
る。
特徴量が算出される。つまり、圧力値算出／ピーク算出
部２３が、圧力値を算出し、圧力値時間変化算出部２４
が、圧力値の時間変化、圧力値の時間変化のピーク値を
算出し、加圧面積算出部２５が、加圧面積、加圧面積の
時間変化のピーク値を算出し、加圧面積時間変化算出部
２６が、加圧面積の時間変化を算出し、加圧重心算出部
２７が、圧力分布の重心位置を算出し、加圧重心時間変
化算出２８が、圧力分布の重心位置の時間変化を算出す
る。
【００１６】なお、圧力値、圧力値の時間変化、圧力値
の時間変化のピーク値、加圧面積、加圧面積の時間変
化、加圧面積の時間変化のピーク値、圧力分布の重心位
置、圧力分布の重心位置の時間変化は、上記特徴量の例
である。
の時間変化のピーク値、加圧面積、加圧面積の時間変
化、加圧面積の時間変化のピーク値、圧力分布の重心位
置、圧力分布の重心位置の時間変化は、上記特徴量の例
である。
【００１７】また、上記実施例において使用する特徴量
は、圧力値、圧力値の時間変化、圧力値の時間変化のピ
ーク値、加圧面積、加圧面積の時間変化、加圧面積の時
間変化のピーク値、圧力分布の重心位置、圧力分布の重
心位置の時間変化の少なくとも１つであれば足りる。
は、圧力値、圧力値の時間変化、圧力値の時間変化のピ
ーク値、加圧面積、加圧面積の時間変化、加圧面積の時
間変化のピーク値、圧力分布の重心位置、圧力分布の重
心位置の時間変化の少なくとも１つであれば足りる。
【００１８】特徴抽出部４０によって抽出された各特徴
量は、特徴格納メモリ２９に格納される。
量は、特徴格納メモリ２９に格納される。
【００１９】上記実施例における基本動作は、学習段階
と識別段階との２つの段階で構成されている。学習段階
では、特徴格納メモリ２９に格納されているデータは、
「たたく」、「ひっかく」、「なでる」、「くすぐる」
等の各触行動毎に、学習データとして学習データ用特徴
格納メモリ３０に全て格納される。
と識別段階との２つの段階で構成されている。学習段階
では、特徴格納メモリ２９に格納されているデータは、
「たたく」、「ひっかく」、「なでる」、「くすぐる」
等の各触行動毎に、学習データとして学習データ用特徴
格納メモリ３０に全て格納される。
【００２０】識別段階では、各触行動毎に、学習データ
として学習データ用特徴格納メモリ３０に全て格納され
た後、学習時に学習データ用特徴格納メモリ３０に格納
された各触行動に対応する特徴と、新たに入力されたデ
ータとについて、触行動識別部３１が、識別手法を適用
することによって、最も近い触行動を推定し、この推定
結果を識別結果用メモリ３２に格納する。
として学習データ用特徴格納メモリ３０に全て格納され
た後、学習時に学習データ用特徴格納メモリ３０に格納
された各触行動に対応する特徴と、新たに入力されたデ
ータとについて、触行動識別部３１が、識別手法を適用
することによって、最も近い触行動を推定し、この推定
結果を識別結果用メモリ３２に格納する。
【００２１】触行動識別部３１は、特徴抽出部４０で得
られた特徴量と、学習データ用特徴格納メモリ３０に格
納されている学習データ中の最近傍代表点との距離に応
じて、人の触行動を識別する手段である。
られた特徴量と、学習データ用特徴格納メモリ３０に格
納されている学習データ中の最近傍代表点との距離に応
じて、人の触行動を識別する手段である。
【００２２】次に、上記実施例における処理の詳細につ
いて説明する。
いて説明する。
【００２３】圧力センサシート１０が、Ｍ×Ｎ個のセン
サエレメントによって構成されているとする。時刻ｔに
おいて圧力センサデータ用メモリ２２に格納されている
圧力センサデータの分布を、
サエレメントによって構成されているとする。時刻ｔに
おいて圧力センサデータ用メモリ２２に格納されている
圧力センサデータの分布を、
【００２４】
【数１】 で表すものとする。
【００２５】この場合、時刻ｔにおける圧力値の総和ｗ
（ｔ）を、圧力値算出／ピーク算出部２３が、次の式
（１）によって求める。
（ｔ）を、圧力値算出／ピーク算出部２３が、次の式
（１）によって求める。
【００２６】
【数２】 また、圧力値算出／ピーク算出部２３は、総和圧力ｗ
（ｔ）のピーク値ｗpeakを検出する。この場合、加圧面
積算出部２５は、総和圧力ｗ（ｔ）のピークｗpe akが検
出された時刻ｔでの加圧面積ａ（ｔ）を、次の式（２）
によって求める。
（ｔ）のピーク値ｗpeakを検出する。この場合、加圧面
積算出部２５は、総和圧力ｗ（ｔ）のピークｗpe akが検
出された時刻ｔでの加圧面積ａ（ｔ）を、次の式（２）
によって求める。
【００２７】
【数３】 ただし、
【００２８】
【数４】 である。
【００２９】なお、ｂij（ｔ）は、時刻ｔにおける圧力
分布の二値化画像を構成するデータである。
分布の二値化画像を構成するデータである。
【００３０】ここで、ｆthreshは、ノイズを除去するた
めに、有効圧力値を判定する閾値であり、圧力センサシ
ートが無負荷状態での圧力分布Ｆij（ｔ）に基づいて定
める。
めに、有効圧力値を判定する閾値であり、圧力センサシ
ートが無負荷状態での圧力分布Ｆij（ｔ）に基づいて定
める。
【００３１】また、総和圧力ｗ（ｔ）がピークになる時
刻をｔとすると、圧力値時間変化算出部２４が、圧力値
時間変化δｗpeak（ｔ）を、次の式（３）によって算出
する。
刻をｔとすると、圧力値時間変化算出部２４が、圧力値
時間変化δｗpeak（ｔ）を、次の式（３）によって算出
する。
【００３２】
【数５】 上記と同様に、加圧面積時間変化算出部２６が、加圧面
積時間変化δａpeak（ｔ）を、次の式（４）によって、
算出する。
積時間変化δａpeak（ｔ）を、次の式（４）によって、
算出する。
【００３３】
【数６】 ここで、式（４）中のｔは、式（３）と同様に、総和圧
力ｗ（ｔ）がピークになる時刻である。
力ｗ（ｔ）がピークになる時刻である。
【００３４】加圧重心算出部２７が、加圧重心Ｘ
g（ｔ）を、次の式（５）によって算出する。
g（ｔ）を、次の式（５）によって算出する。
【００３５】
【数７】 ただし、
【００３６】
【数８】 である。
【００３７】また、加圧重心時間変化算出部２８が、加
圧重心時間変化を、次の式（６）によって算出する。
圧重心時間変化を、次の式（６）によって算出する。
【００３８】 ΔＸg（ｔ）＝Ｘg（ｔ）−Ｘg（ｔ−１）……式（６） 識別前の学習時に、式（１）から式（６）によって求め
られた各特徴量は、特徴量格納メモリ２９に格納され、
さらに、各触行動毎に学習データ用特徴格納メモリ３０
に格納される。
られた各特徴量は、特徴量格納メモリ２９に格納され、
さらに、各触行動毎に学習データ用特徴格納メモリ３０
に格納される。
【００３９】識別時に、圧力センサシート１０によって
入力された圧力センサデータは、上記のように、特徴抽
出部４０によって各特徴量が算出され、特徴格納メモリ
２７に格納される。格納された特徴量は、触行動識別部
３１によって、学習時に学習データ用特徴格納メモリ３
０に記録された各触行動毎の特徴量に基づいて識別処理
される。
入力された圧力センサデータは、上記のように、特徴抽
出部４０によって各特徴量が算出され、特徴格納メモリ
２７に格納される。格納された特徴量は、触行動識別部
３１によって、学習時に学習データ用特徴格納メモリ３
０に記録された各触行動毎の特徴量に基づいて識別処理
される。
【００４０】ここでの識別手法として、ｋ−Ｎｅａｒｅ
ｓｔ Ｎｅｉｇｈｂｏｒ（ｋ−ＮＮ法）等を用いる。ま
た、識別時に必要となる特徴量間の距離尺度として、ユ
ークリッド距離、マハラノビス距離等を用いるようにし
てもよい。触行動の識別結果は、識別結果用メモリ３２
に格納される。
ｓｔ Ｎｅｉｇｈｂｏｒ（ｋ−ＮＮ法）等を用いる。ま
た、識別時に必要となる特徴量間の距離尺度として、ユ
ークリッド距離、マハラノビス距離等を用いるようにし
てもよい。触行動の識別結果は、識別結果用メモリ３２
に格納される。
【００４１】以上の動作が、上記実施例における識別時
の動作である。
の動作である。
【００４２】上記実施例の特徴は、学習計算部５０と識
別結果表示装置６０とを設けた点にある。
別結果表示装置６０とを設けた点にある。
【００４３】学習計算部５０は、触行動を識別する段階
においても学習を行わせるために、触行動識別部３１で
識別された結果を用いて、学習データ用特徴格納メモリ
３０内に格納されている学習データやパラメータを変更
する計算部である。
においても学習を行わせるために、触行動識別部３１で
識別された結果を用いて、学習データ用特徴格納メモリ
３０内に格納されている学習データやパラメータを変更
する計算部である。
【００４４】また、触行動について個人適応する場合
（ロボット、動物等の人以外の行動主体を考えると、個
別適用する場合）、１つ目のサイクルにおける触行動の
識別結果を、２つ目のサイクルにおける触行動の識別結
果を用いて修正する。
（ロボット、動物等の人以外の行動主体を考えると、個
別適用する場合）、１つ目のサイクルにおける触行動の
識別結果を、２つ目のサイクルにおける触行動の識別結
果を用いて修正する。
【００４５】ここで、上記「サイクル」は、圧力センサシ
ート１０がデータを出力し、この出力されたデータに基
づいて、触行動が識別され、この識別された触行動の識
別結果を識別結果用メモリ３２に格納し、識別結果表示
装置６０が上記識別結果を表示する一連の動作である。
ート１０がデータを出力し、この出力されたデータに基
づいて、触行動が識別され、この識別された触行動の識
別結果を識別結果用メモリ３２に格納し、識別結果表示
装置６０が上記識別結果を表示する一連の動作である。
【００４６】また、１つ目のサイクルとして人が圧力セ
ンサシート１０に触れると、表示装置６０にその識別結
果が表示され、この表示内容が実際の触行動と異なって
いれば（表示内容が誤っていれば）、人が圧力センサシ
ート１０を「たたく」ようにすることを予め取決めてお
く。表示内容が正しければ、人が圧力センサシート１０
をたたいてはいけない。
ンサシート１０に触れると、表示装置６０にその識別結
果が表示され、この表示内容が実際の触行動と異なって
いれば（表示内容が誤っていれば）、人が圧力センサシ
ート１０を「たたく」ようにすることを予め取決めてお
く。表示内容が正しければ、人が圧力センサシート１０
をたたいてはいけない。
【００４７】学習が始まると、１つ目のサイクルにおけ
る触行動に伴って特徴量が計算され、この計算された特
徴量と、この計算された特徴量に基づく触行動の識別結
果とが、特徴格納メモリ２９、識別結果用メモリ３２に
一時的に格納される。
る触行動に伴って特徴量が計算され、この計算された特
徴量と、この計算された特徴量に基づく触行動の識別結
果とが、特徴格納メモリ２９、識別結果用メモリ３２に
一時的に格納される。
【００４８】そして、２つ目のサイクルにおける触行動
の識別結果が「たたく」でなければ、上記取決めによっ
て、１つ目のサイクルにおける触行動の識別結果が正し
いと判断される。これは、上記取決めによって、圧力セ
ンサシート１０がたたかれていないということは、表示
内容が正しいことを人が認めているからである。
の識別結果が「たたく」でなければ、上記取決めによっ
て、１つ目のサイクルにおける触行動の識別結果が正し
いと判断される。これは、上記取決めによって、圧力セ
ンサシート１０がたたかれていないということは、表示
内容が正しいことを人が認めているからである。
【００４９】一方、２つ目のサイクルにおける触行動の
識別結果が「たたく」であれば、上記取決めによって、
１つ目のサイクルにおける触行動の識別結果が誤りであ
ると判断される。
識別結果が「たたく」であれば、上記取決めによって、
１つ目のサイクルにおける触行動の識別結果が誤りであ
ると判断される。
【００５０】この場合、特徴格納用メモリ２９に記憶さ
れている１つ前の特徴量（１つ目のサイクルにおける触
行動に伴って計算された特徴量）と、識別結果用メモリ
３２に格納されている識別結果と、学習データ用特徴格
納メモリ３０内にある学習データやパラメータとを用い
て、次のサイクルの識別に用いる学習データやパラメー
タを修正する。つまり、１つ目のサイクルにおける触行
動に伴って計算された特徴量と同じ特徴量が計算された
ときに、今後は、前の識別結果を出さないように、次の
サイクルの識別に用いる学習データやパラメータを変更
する。
れている１つ前の特徴量（１つ目のサイクルにおける触
行動に伴って計算された特徴量）と、識別結果用メモリ
３２に格納されている識別結果と、学習データ用特徴格
納メモリ３０内にある学習データやパラメータとを用い
て、次のサイクルの識別に用いる学習データやパラメー
タを修正する。つまり、１つ目のサイクルにおける触行
動に伴って計算された特徴量と同じ特徴量が計算された
ときに、今後は、前の識別結果を出さないように、次の
サイクルの識別に用いる学習データやパラメータを変更
する。
【００５１】識別に、たとえばｋ−ＮＮ法を用いる場
合、学習計算部５０で、次の（１）、（２）の処理を行
う。 （１）２つ目のサイクルにおける触行動が「たたく」で
あると識別した場合には、特徴格納用メモリ２９に格納
されている１つ目のサイクルの特徴量を「反学習デー
タ」とし、学習データ用特徴格納メモリ３０に格納す
る。
合、学習計算部５０で、次の（１）、（２）の処理を行
う。 （１）２つ目のサイクルにおける触行動が「たたく」で
あると識別した場合には、特徴格納用メモリ２９に格納
されている１つ目のサイクルの特徴量を「反学習デー
タ」とし、学習データ用特徴格納メモリ３０に格納す
る。
【００５２】ここで、「反学習データ」は、１つ目のサイ
クルにおける識別結果が間違いであると判断された場合
の学習データ（計算された特徴量と、この特徴量に基づ
いて識別された触行動とによって構成されるデータ）で
ある。 （２）２つ目のサイクルにおける触行動が「たたく」以
外の行動であると識別した場合には、学習データ用格納
メモリ３０に格納されている全ての学習データと、特徴
格納用メモリ２９に格納されている１つ目のサイクルの
特徴量との距離を求める。そして、この求めた距離が短
い順に（昇順に）触行動を並べ、この並べられた上位ｌ
（ｌ≦ｋ）個の触行動のうちで、１つ目のサイクルにお
ける触行動と異なる触行動が存在すれば、特徴格納用メ
モリ２９に格納されている１つ目のサイクルにおける特
徴量その識別結果とを、新しい学習データとして、学習
データ用特徴格納メモリ３０に格納する。
クルにおける識別結果が間違いであると判断された場合
の学習データ（計算された特徴量と、この特徴量に基づ
いて識別された触行動とによって構成されるデータ）で
ある。 （２）２つ目のサイクルにおける触行動が「たたく」以
外の行動であると識別した場合には、学習データ用格納
メモリ３０に格納されている全ての学習データと、特徴
格納用メモリ２９に格納されている１つ目のサイクルの
特徴量との距離を求める。そして、この求めた距離が短
い順に（昇順に）触行動を並べ、この並べられた上位ｌ
（ｌ≦ｋ）個の触行動のうちで、１つ目のサイクルにお
ける触行動と異なる触行動が存在すれば、特徴格納用メ
モリ２９に格納されている１つ目のサイクルにおける特
徴量その識別結果とを、新しい学習データとして、学習
データ用特徴格納メモリ３０に格納する。
【００５３】そして、触行動識別部３１において、全て
の学習データ（反学習データを含む）改良型のｋ−ＮＮ
法を行う。この改良型のｋ−ＮＮ法は、次の（１１）〜
（１４）の処理を行う方法である。 （１１）全ての学習データ（反学習データを含む）を、
対象データとして格納する。 （１２）上記対象データと現在の特徴量との距離を計算
し、昇順に並べる。 （１３）まず、識別する触行動の数の変数を初期値０で
用意する。並べられた上記ｋ個を順に調べ、学習データ
で示される触行動には、その触行動に対応する変数の値
を１つ加算する。反学習データで示される触行動には、
その触行動に対応する変数から、（１２）で計算された
距離に従って決められる数を減算する。 （１４）最大値を持つ変数に対応する触行動を識別結果
とする。
の学習データ（反学習データを含む）改良型のｋ−ＮＮ
法を行う。この改良型のｋ−ＮＮ法は、次の（１１）〜
（１４）の処理を行う方法である。 （１１）全ての学習データ（反学習データを含む）を、
対象データとして格納する。 （１２）上記対象データと現在の特徴量との距離を計算
し、昇順に並べる。 （１３）まず、識別する触行動の数の変数を初期値０で
用意する。並べられた上記ｋ個を順に調べ、学習データ
で示される触行動には、その触行動に対応する変数の値
を１つ加算する。反学習データで示される触行動には、
その触行動に対応する変数から、（１２）で計算された
距離に従って決められる数を減算する。 （１４）最大値を持つ変数に対応する触行動を識別結果
とする。
【００５４】上記のように、学習時および識別時に用い
た特徴量は、非常に単純な処理によって計算することが
でき、また、時系列パターンマッチングや相関処理等の
繰り返し処理を含まないので、リアルタイムに触行動を
識別することができる。
た特徴量は、非常に単純な処理によって計算することが
でき、また、時系列パターンマッチングや相関処理等の
繰り返し処理を含まないので、リアルタイムに触行動を
識別することができる。
【００５５】また、上記実施例では、触行動識別を個人
適用する場合、特別な入力手段を設けずに、個人適応で
きるという利点がある。
適用する場合、特別な入力手段を設けずに、個人適応で
きるという利点がある。
【００５６】上記実施例を、人以外にも、コンピュータ
やロボットに適用することによって、コンピュータ内の
バーチャルエージェントとの触覚を用いたインタラクシ
ョンや、実世界で動作するロボットの行動生成等に広く
利用することが可能である。つまり、上記実施例は、
人、ロボット、動物等の行動主体の触行動を識別するも
のである。
やロボットに適用することによって、コンピュータ内の
バーチャルエージェントとの触覚を用いたインタラクシ
ョンや、実世界で動作するロボットの行動生成等に広く
利用することが可能である。つまり、上記実施例は、
人、ロボット、動物等の行動主体の触行動を識別するも
のである。
【００５７】また、上記実施例を記録媒体の発明として
把握することができる。つまり、上記実施例は、平面上
に加えられた圧力を検知する圧力センサシートを有する
触行動識別において、上記圧力センサシート上に加えら
れた圧力値に基づいて、所定の特徴量を算出する特徴量
算出手順と、上記特徴量と、行動主体の触行動との関係
を学習データとして格納する学習データ格納手順と、上
記特徴量算出手順で算出した上記特徴量と、上記学習デ
ータとに応じて、行動主体の触行動を識別する識別手順
と、上記識別手順で識別した触行動の識別結果と、上記
特徴量算出手順で算出した特徴量とに応じて、上記学習
データ格納手順で格納された学習データを、上記行動主
体のそれぞれについて個別に変更する学習データ変更手
順とをコンピュータに実行させるプログラムを記録した
コンピュータ読み取り可能な記録媒体の例である。な
お、上記記録媒体として、ＦＤ、ＣＤ、ＤＶＤ、ＨＤ、
半導体メモリ等が考えられる。
把握することができる。つまり、上記実施例は、平面上
に加えられた圧力を検知する圧力センサシートを有する
触行動識別において、上記圧力センサシート上に加えら
れた圧力値に基づいて、所定の特徴量を算出する特徴量
算出手順と、上記特徴量と、行動主体の触行動との関係
を学習データとして格納する学習データ格納手順と、上
記特徴量算出手順で算出した上記特徴量と、上記学習デ
ータとに応じて、行動主体の触行動を識別する識別手順
と、上記識別手順で識別した触行動の識別結果と、上記
特徴量算出手順で算出した特徴量とに応じて、上記学習
データ格納手順で格納された学習データを、上記行動主
体のそれぞれについて個別に変更する学習データ変更手
順とをコンピュータに実行させるプログラムを記録した
コンピュータ読み取り可能な記録媒体の例である。な
お、上記記録媒体として、ＦＤ、ＣＤ、ＤＶＤ、ＨＤ、
半導体メモリ等が考えられる。
【００５８】
【発明の効果】本発明によれば、圧力センサを用い、人
等の行動主体の触行動パターンを識別する場合、行動主
体の個々に適応することができるという効果を奏する。
等の行動主体の触行動パターンを識別する場合、行動主
体の個々に適応することができるという効果を奏する。
【図１】本発明の一実施例である個別適応可能な触行動
識別装置１００を示す概念図である。
識別装置１００を示す概念図である。
【図２】上記実施例における信号処理部２０と、識別結
果表示装置６０とを示すブロック図である。
果表示装置６０とを示すブロック図である。
１０…圧力センサシート、 １１…インタフェースケーブル、 １２…コンピュータ、 ２０…信号処理部、 ２１…Ａ／Ｄ変換部、 ２２…圧力センサデータ用メモリ、 ２３…圧力値算出／ピーク検出部、 ２４…圧力値時間変化算出部、 ２５…加圧面積算出部、 ２６…加圧面積時間変化算出部、 ２７…加圧重心算出部、 ２８…加圧重心時間変化算出部、 ２９…特徴格納メモリ、 ３０…学習データ用特徴格納メモリ、 ３１…触行動識別部、 ３２…識別結果用メモリ、 ４０…特徴抽出部、 ５０…学習計算部、 ６０…識別結果表示装置。
フロントページの続き (72)発明者 納谷 太 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内 Ｆターム(参考） 2F051 AA10 AB06 AC01 BA07 3F059 DA05 DC01 FB13 FC15
Claims (7)
- 【請求項１】 平面上に加えられた圧力を検知する圧力
センサシートを有する触行動識別装置において、 上記圧力センサシート上に加えられた圧力値に基づい
て、所定の特徴量を算出する特徴量算出手段と；上記特
徴量と、行動主体の触行動との関係を学習データとして
格納する学習データ格納手段と；上記特徴量算出手段が
算出した上記特徴量と、上記学習データとに応じて、行
動主体の触行動を識別する識別手段と；上記識別手段が
識別した触行動の識別結果と、上記特徴量算出手段が算
出した特徴量とに応じて、上記学習データ格納手段に格
納されている学習データを、上記行動主体のそれぞれに
ついて個別に変更する学習データ変更手段と；を有する
ことを特徴とする個別適応可能な触行動識別装置。 - 【請求項２】 請求項１において、 上記識別手段が識別した触行動を表示する識別結果表示
手段を有することを特徴とする個別適応可能な触行動識
別装置。 - 【請求項３】 請求項１において、 上記特徴量は、圧力値、圧力値の時間変化、圧力値の時
間変化のピーク値、加圧面積、加圧面積の時間変化、加
圧面積の時間変化のピーク値、圧力分布の重心位置、圧
力分布の重心位置の時間変化の少なくとも１つであるこ
とを特徴とする個別適応可能な触行動識別装置。 - 【請求項４】 請求項１において、 上記識別手段は、上記特徴量算出手段で得られた特徴量
と、上記学習データ中の最近傍代表点との距離に応じ
て、人の触行動を識別する手段であることを特徴とする
個別適応可能な触行動識別装置。 - 【請求項５】 平面上に加えられた圧力を検知する圧力
センサシートを有する触行動識別において、 上記圧力センサシート上に加えられた圧力値に基づい
て、所定の特徴量を算出する特徴量算出手順と；上記特
徴量と、行動主体の触行動との関係を学習データとして
格納する学習データ格納手順と；上記特徴量算出手順で
算出した上記特徴量と、上記学習データとに応じて、行
動主体の触行動を識別する識別手順と；上記識別手順で
識別した触行動の識別結果と、上記特徴量算出手順で算
出した特徴量とに応じて、上記学習データ格納手順で格
納された学習データを、上記行動主体のそれぞれについ
て個別に変更する学習データ変更手順と；をコンピュー
タに実行させるプログラムを記録したコンピュータ読み
取り可能な記録媒体。 - 【請求項６】 請求項５において、 上記識別手順で識別した触行動を表示する識別結果表示
手順をコンピュータに実行させるプログラムを記録した
コンピュータ読み取り可能な記録媒体。 - 【請求項７】 請求項５において、 上記特徴量は、圧力値、圧力値の時間変化、圧力値の時
間変化のピーク値、加圧面積、加圧面積の時間変化、加
圧面積の時間変化のピーク値、圧力分布の重心位置、圧
力分布の重心位置の時間変化の少なくとも１つであるこ
とを特徴とする記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32646899A JP2001141580A (ja) | 1999-11-17 | 1999-11-17 | 個別適応可能な触行動識別装置および記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32646899A JP2001141580A (ja) | 1999-11-17 | 1999-11-17 | 個別適応可能な触行動識別装置および記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001141580A true JP2001141580A (ja) | 2001-05-25 |
Family
ID=18188157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP32646899A Pending JP2001141580A (ja) | 1999-11-17 | 1999-11-17 | 個別適応可能な触行動識別装置および記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2001141580A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009145555A (ja) * | 2007-12-13 | 2009-07-02 | Yamaha Corp | 圧力センサおよびデータ入力装置 |
| JP2009151631A (ja) * | 2007-12-21 | 2009-07-09 | Sony Corp | 情報処理装置および情報処理方法、並びにプログラム |
| JP2009262279A (ja) * | 2008-04-25 | 2009-11-12 | Nec Corp | ロボット、ロボットプログラム共有システム、ロボットプログラム共有方法およびプログラム |
| JP2010112927A (ja) * | 2008-11-10 | 2010-05-20 | Sony Corp | 触行動認識装置及び触行動認識方法、情報処理装置、並びにコンピューター・プログラム |
| JP2019153135A (ja) * | 2018-03-05 | 2019-09-12 | テイ・エス テック株式会社 | 乗物用シート |
| US11904749B2 (en) | 2018-03-05 | 2024-02-20 | Ts Tech Co., Ltd. | Seat |
-
1999
- 1999-11-17 JP JP32646899A patent/JP2001141580A/ja active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009145555A (ja) * | 2007-12-13 | 2009-07-02 | Yamaha Corp | 圧力センサおよびデータ入力装置 |
| JP2009151631A (ja) * | 2007-12-21 | 2009-07-09 | Sony Corp | 情報処理装置および情報処理方法、並びにプログラム |
| JP2009262279A (ja) * | 2008-04-25 | 2009-11-12 | Nec Corp | ロボット、ロボットプログラム共有システム、ロボットプログラム共有方法およびプログラム |
| JP2010112927A (ja) * | 2008-11-10 | 2010-05-20 | Sony Corp | 触行動認識装置及び触行動認識方法、情報処理装置、並びにコンピューター・プログラム |
| JP2019153135A (ja) * | 2018-03-05 | 2019-09-12 | テイ・エス テック株式会社 | 乗物用シート |
| JP2022000792A (ja) * | 2018-03-05 | 2022-01-04 | テイ・エス テック株式会社 | 乗物用シート |
| JP7319560B2 (ja) | 2018-03-05 | 2023-08-02 | テイ・エス テック株式会社 | シートシステム |
| US11904749B2 (en) | 2018-03-05 | 2024-02-20 | Ts Tech Co., Ltd. | Seat |
| US11932147B2 (en) | 2018-03-05 | 2024-03-19 | Ts Tech Co., Ltd. | Seat |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021114892A1 (zh) | 基于环境语义理解的人体行为识别方法、装置、设备及存储介质 | |
| CN110532984B (zh) | 关键点检测方法、手势识别方法、装置及系统 | |
| US8730157B2 (en) | Hand pose recognition | |
| JP6467965B2 (ja) | 感情推定装置及び感情推定方法 | |
| US6499025B1 (en) | System and method for tracking objects by fusing results of multiple sensing modalities | |
| US8588467B2 (en) | Apparatus and method for detecting hands of subject in real time | |
| US8824802B2 (en) | Method and system for gesture recognition | |
| CN112506340B (zh) | 设备控制方法、装置、电子设备及存储介质 | |
| CN102270035A (zh) | 以非触摸方式来选择和操作对象的设备和方法 | |
| CN110674680B (zh) | 活体识别的方法、装置、存储介质 | |
| JP2001141580A (ja) | 個別適応可能な触行動識別装置および記録媒体 | |
| JPH11161791A (ja) | 個人識別装置 | |
| CN111077997B (zh) | 一种点读模式下的点读控制方法及电子设备 | |
| CN111651038A (zh) | 基于ToF的手势识别控制方法及其控制系统 | |
| CN110909687A (zh) | 动作特征有效性判定方法、计算机存储介质和电子装置 | |
| US20240096182A1 (en) | Action detection system, action detection method, and non-transitory computer-readable medium | |
| CN112926515B (zh) | 活体模型训练方法和装置 | |
| Ushaw et al. | An efficient application of gesture recognition from a 2D camera for rehabilitation of patients with impaired dexterity | |
| CN111124109B (zh) | 一种交互方式的选择方法、智能终端、设备及存储介质 | |
| CN113536879A (zh) | 影像识别方法及其装置及人工智能模型训练方法及其装置 | |
| Peixoto et al. | Real-time gesture recognition system based on contour signatures | |
| CN115552466A (zh) | 洗手识别系统以及洗手识别方法 | |
| JP2001059779A (ja) | 触行動識別装置および記録媒体 | |
| Lin et al. | Development of a body motion interactive system with a weight voting mechanism and computer vision technology | |
| CN115378702B (zh) | 一种基于Linux系统调用的攻击检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040227 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040426 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050311 |