2018年度 卒業研究 B


研究テーマ

テーマ:簡易脳波センサーを利用した運転時にお ける心的状態の分析
担当:一木亮汰(学部4年)
概要:
現 在,高齢者の事故率は高い状況にあり,また,現在,自動運転など安全性や快適性に関する運転支援技術の開発が行われている.運転者の緊張状態を把握するこ とができれば,休憩を促したり,また,リラックス時には,付加的な案内情報を提供するなど,心的状態に応じた運転支援が可能となる.本研究では,運転者の 心的状態が道路状況や運転操作によって,どのように変化するかを分析した.



テーマ:心拍センサーを利用したダーツにおける ルーティーンの解析
担当:杉内健人(学部4年)
概要:
こ れまでの実験では心拍数に着目してダーツによるルーティーンの解析を行った.ダーツの試投直前直後3秒間の心拍数を比較したところルーティーンとして考え られるテイクバック回数では,心拍数の上昇傾向がみられた.本研究では,さらに心拍周期に着目してダーツによるルーティーンの解析を行った.



テーマ:Node.jsを用いた出欠管理システ ムの設計
担当:續橋涼(学部4年)

概要:
こ れまでの研究では,研究室での出席管理システムの基本的なシステムを開発した.研究室内で運用していくことを考え,卒業に伴う管理者の交代や研究グループ の変更などに対応するためにクラウド1)サービスを利用していくには高度な知識を必要とするため,好ましくない.そこで比較的学習と管理が容易な Node.jsを利用して出欠管理システムの開発を行った.そして今回,既存のシステムではユーザー情報の変更や出席情報の編集,集計には直接データベー スを編集する必要があったが,Webブラウザ上で全て完結できるように変更を加えた.また実際に研究室内で運用するために必要なツールを作成した.



テーマ:Kinectセンサによるジェスチャー 認識の研究
担当:弩慶史郎(学部4年)
概要:
近 年,KinectやLeapMotion,RealSenceなどのモーションキャプチャデバイスが登場し,人間の直感的な動作でゲームやコンピュータの 操作ができるようになってきた.そうしたデバイスを利用して特定の動作を認識させるためには,各々の動作の特徴を個別に入力する必要がある.それに対し て,機械学習の手法である決定木を利用することで,様々な行動を自動的に認識させる手法が提案されており,ロボットの操作を対象として,利用者のポーズを 認識する方法が提案されている.これまで,Kinectセンサを用いて,動きのあるジェスチャーの認識に対し,決定木の手法を利用した場合、どの程度の精 度で認識が可能かを実験的に検証した.そのため,本研究では,アンサンブル学習であるRandom forestを用いて,より動きのあるジェスチャーに対して,認識の精度向上を目的とした.



テーマ:眼球運動測定装置を利用したダーツにお けるルーティーンの分析
担当:畠山大樹(学部4年)

概要:
本 研究では眼球運動測定装置を利用してルーティーン時の視線の解析を行なった.ルーティーンとは,スポーツ等において,ある決まった動作を行うことで緊張を 取り除き,集中を上げる目的で行われるものである.簡易的な脳波センサーを利用した解析において,ルーティーンによって集中度が一定化するといった現象が 報告されている1).これまでダーツにおけるルーティーンに対して,視線の動きに着目し,投球前と投球後の視線の動きについて分析を行った.その結果ルー ティーンによって,投球前の視線の動きが小さくなり,さらに,投球後の視線の動きも同様に抑えられたものと考えられる.本研究では,視線の動きに加えて, 瞳孔の変化を調べることで,被験者のルーティーンとどのような関係あるのか分析した.



テーマ:全方位カメラを利用した校内案内システ ムの設計
担当:平石淳悟(学部4年)
概要:
近 年VR技術の普及により,ゲームやスマートフォンを利用して,仮想空間を体験したり,遠隔の場所の景観をよりリアルに体験することが可能になってきた.ま た,小型の全方位カメラの登場により,気軽にVRに対応した写真や動画の撮影が可能になってきた.本研究では,小型の全方位カメラで撮影された画像を利用 した校内案内システム1)を設計した.利用者は,ゲームコントローラを利用することで,場所を移動することが可能であり,その地点の映像を360度見渡す ことが可能である.本研究では,足利大学大前キャンパスの正門から6号間北棟2Fの平石研究室までの案内システムを試作した.これまでは静止画を用いての 試作であったが,今回は動画を用いた対応を試作した.



テーマ:電波強度を用いた位置推定解析へのLSTMの関係性
担当:Ashish Adhikari(学部4年)

概要:
現 在,ディープラーニングの応用される分野が多く存在する.様々なニューラルネットワークの構築が情報化社会の発展を遂行している.これまで,電波強度によ る位置推定に対してディープラーニングの適用を試み,屋内では無線LANのアクセスポイントからの電波を利用した位置推定の研究を行った.RNNの一種で あるLSTM(Long Short-Term Memory)を使用した解析を行った結果,1m間隔で80%以上の制度が得られた.本研究では,LSTMを使用し自己位置推定を考えた場合のデータと精 度の関係性を実験的に明らかにした.





inserted by FC2 system