Lab / 研究成果

2025年12月15日～17日にタイ・プーケットで開催された IIAI AAI 2025 Winter（国際会議）にて論文が採録され、IEEE Xploreに掲載されました。

IEEE Xplore 掲載

• 論文掲載先: IEEE Xplore
• 学会: IIAI AAI 2025 Winter（Full Paper）
• 分野: 歩行解析 / 時系列データ / Explainable AI

---

概要

本研究では、歩行時の骨格データ（スケルトンデータ）を用いて、 人の歩行パターンをクラスタリングし、その結果を解釈可能な形で分析する手法を提案しました。

従来のクラスタリング手法では、「なぜそのグループに分類されたのか」が分かりにくいという課題があります。 本研究ではExplainable AI（XAI）を組み合わせることで、 分類結果の根拠を人が理解できる形で提示することを目指しています。

---

手法

本研究は以下の流れで構成されています。

1. 動画から骨格データを抽出（MediaPipeを使用）
2. 欠損値の補完（線形補間など）
3. 関節角度や動きに基づく特徴量の生成
4. DTW（Dynamic Time Warping）を用いたクラスタリング
5. AIMEによるクラスタの解釈

これにより、時間的なズレを考慮したクラスタリングと、 その結果の説明性の両立を実現しています。

---

ポイント

• 時系列データに対してDTWを用いることで、歩行速度の違いを吸収
• AIMEを用いてクラスタの特徴を定量的に説明
• 「解釈可能なクラスタリング」を実現

---

自身の貢献

• 特徴量設計および前処理パイプラインの構築
• クラスタリング処理（DTW + k-means）の実装
• 結果の分析および解釈プロセスの整理

---

今後

• 被験者数の拡張による汎用性の向上
• 他の動作データへの応用
• リアルタイム解析への発展

---

※ 詳細は上記のIEEE Xploreリンクから参照できます。