骨格ベースの姿勢分類による高齢者の安全な歩行支援（ウォーカー）実現に向けて

arXiv cs.CV / 2026/5/5

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本研究は、スマートウォーカー上で歩行者のウォーカー利用状況、立位か座位か、複数の姿勢を機械学習で分類することで、高齢者の転倒予防に取り組む。
幾何学的アプローチ、XGBoost、SVM、さらに複数の深層学習アーキテクチャを含む手法を比較し、骨格に基づく動作／姿勢パターンをどれが最も良く捉えられるかを検証している。
全体としては、幾何学的アプローチとXGBoostが最も優れた性能を示し、XGBoostは二値分類でウォーカー選択99.84%、立位と座位の判別99.69%という学習精度を達成した。
姿勢分類では、幾何学的アプローチが8姿勢で89.9%の精度を示し、XGBoostは17姿勢に対して学習時99.24%を得た。
これらの結果から、機械学習によるヒューマン・ロボット・インタラクションが、姿勢や行動の認識精度を高めることでスマートウォーカーの安全性向上と転倒予防に寄与し得ることが示唆される。