要約
高齢化に伴う医療問題に対応するため、さまざまなアンビエント・アシスタント・ライブリング（AAL）技術が開発されている。クラウドベースのデータ処理に伴うプライバシー懸念を軽減するため、近年の手法は、データ処理をローカルに実行するエッジデバイスの活用へとシフトしている。しかし、これらのエッジデバイスには計算リソースが限られているため、リアルタイム性能を確保することが困難であり、これはしばしば必須の要件である。特に、高齢者の日常生活動作（ADL）を認識するコンピュータビジョンベースの最近の手法は、正確な動作認識に不可欠なマルチスケール時系列的文脈を捉えるために、計算複雑度が著しく増大するという課題に直面している。このような状況を踏まえ、本研究では、計算複雑度を増加させることなくマルチスケール時系列情報を効率的に捉えることを目的として、HT-ConvNet（Hierarchical Temporal Convolution Network）を提案する。HT-ConvNetは、連続する畳み込み層において指数的に増加する受容 field（受容野）を採用することで、効率的な階層的時系列特徴抽出を実現している。さらに、本手法は最も重要な特徴に適応的に重みを付与する機構を提供し、特徴の重み付き融合を可能にしている。実験結果から、マルチスケール時系列特徴抽出および特徴重み融合機構が、モデルの複雑度を増加させることなく、既存手法を上回る認識精度を達成することが示された。コードは公開されており、以下より入手可能である：https://github.com/Gbouna/HT-ConvNet。