ヒューマンセントリックコンピューティング
TOC
ヒューマンセントリックコンピューティンググループでは，「人間を中心にした技術開発」の考え方に基づき，人々の生活を便利に，また豊かにするための研究を行っています．現在は，慣性センサを用いた屋内位置推定手法，マルチモーダルセンサによるダンススポーツ動作認識，ユーザの位置情報を用いた行動特徴の分析などを行っています．
スマートフォンの慣性センサを用いた移動経路推定
スマートフォンの普及に伴い，スマートフォンに内蔵された慣性センサを活用した研究が盛んに行われています．本研究では，加速度センサとジャイロセンサを用いて人の移動経路を推定するPedestrian Dead Reckoning (PDR)に焦点を当ててきました．2018年からは，ディープラーニングを用いたEnd-to-end学習によって，歩行者の歩き方やスマートフォンの持ち方に影響されない頑健なPDRの研究に取り組んでいます．
時空間情報を用いたユーザモデリング
近年，GPS機能を備えたデバイスの普及により，位置情報履歴を活用した研究が盛んに行われています． 本研究では，移動遷移から人々の特徴を抽出し，人々をモデリングするための手法の開発を目指しています． POI(Point Of Interest)の推薦システムから都市計画まで，様々な領域へ応用することを想定しています．
マルチモーダルセンサによるダンスパフォーマンス分析
センサデバイスや画像処理技術の発展に伴い，それらを用いたスポーツ解析・学習支援の研究が活発になっています．本研究は社交ダンスに注目し，特に「フィガー」と呼ばれるダンスの技を自動で認識し，学習者に技ごとの詳細な情報提供を目指します．フィガー認識では視覚情報をウェアラブルセンサ で補い，撮影環境に左右されにくい認識手法を提案しています．また機械学習やディープラーニングを活用した高精度な識別手法を開発しています．
回転磁石マーカを用いた位置推定
強力な磁石を回転させて発生させた周期的な磁場の3軸成分を利用し，スマートフォンなどの端末の位置を推定する研究です．これまでの研究で，回転磁石マーカを中心とした2m以内の領域で平均誤差10cm以下の推定精度を達成しました．現在，高精度MI磁気センサに対する推定精度の評価や，複数の回転磁石マーカを用いた推定手法などを検討しています．