📊 USA2023 行動認識研究プロジェクト

スマートフォンのセンサーデータを活用した人間行動認識システムの研究プロジェクトです。
機械学習（決定木アルゴリズム）により98.4%の高精度分類を実現しました。

📱 デモの使用方法:
• スマートフォンでアクセスしてください（PC では正常に動作しません）
• 「Get permission and start sensing」ボタンを押してセンサーアクセス許可を与えてください
• 座る、立つ、歩く、階段の昇降を行うと自動的に行動が認識されます

🎯 リアルタイム行動認識デモ

🎯 分類結果: 待機中...

📊 特徴量 (Features)

X軸
最小: 0
最大: 0
平均: 0
Y軸
最小: 0
最大: 0
平均: 0
Z軸
最小: 0
最大: 0
平均: 0

📈 生センサーデータ (X, Y, Z)

リアルタイム値:
X: 0 | Y: 0 | Z: 0

📋 研究レポート

👤 研究者情報

  • 氏名: 中田康史
  • 学部: 総合政策学部
  • 学年: 学部3年
  • 学籍番号: 72105616
  • CNSメール: s21561yn@sfc.keio.ac.jp

🎯 研究対象行動

  • 1. Sitting: 座っている状態
  • 2. Standing: 立っている状態
  • 3. Walking: 歩いている状態
  • 4. Stairs: 階段を上り下りしている状態

📊 研究成果

  • 分類精度: 98.434%
  • データ件数: 16,730インスタンス
  • Kappa統計量: 0.9791
  • アルゴリズム: J48決定木

⚙️ 技術詳細

  • センサー: スマートフォン加速度計
  • サンプリング: 10-100Hz
  • ウィンドウサイズ: 200データポイント
  • 特徴量: 各軸の最小・最大・平均値

📝 研究詳細

選定理由

日常生活における基本的な行動パターンを対象とし、実用性と技術的挑戦のバランスを考慮。 特に座位と立位の区別は微細な差異を検出する必要があり、機械学習の精度評価に適している。

データ収集方法

各行動につき1分間のデータを収集。実用性を考慮し、スマートフォンを手に持った状態で測定。 この設定により、実際の使用場面により近い条件でのデータを取得。

機械学習手法

J48決定木アルゴリズムを採用。解釈しやすさと高い分類精度を両立。 10-fold交差検証により性能評価を実施し、過学習を防止。