HascTool の使い方、HASC Challenge のデータフォーマットなどを示します。

1. HascToolを使った行動識別 http://hasc.jp 1

2. HASC Challenge 2010 Web サイトの場所 http://hasc.jp/hc2010/ Menu HOME,HC2010概要,応募要項,データ形式,ダウンロード,HASCLogger,HASCTool,チュートリアル,スケジュール,よくある質問,HASCへのリンク HASC Challenge 2010 Web との対応表 スライド番号：3～5 －HASC Tool スライド番号：6～8 －データ形式 スライド番号：9～13 －データ形式,HASC Tool スライド番号：14～16 －HASC Tool スライド番号：17～21 －HASC Logger スライド番号：22～26 －チュートリアル 2

3. HASC Toolとは？ 行動情報処理のためのツール HASC Toolの種類 ダウンロード版：お試し版 HASC Challenge2010ホーム＞ダウンロードページ Souceforge.jp版：開発者向け 入手方法は後程紹介します HASC Loggerとの連携 HASCLoggerは行動データ収集のためのツール iPhone,iPodtouchで利用可能 3

4. HASC Toolの環境設定 1.Eclipse RCP(3.6)のインストール 2.プラグインの入手 Zest plugin (ver 1.2.0) Subversive SVN Team Provider SVNConnectores，SVNkit1.3.2Implemenation 3.Sourceforgeにアクセス HASC Tool HASCLoggerServerPlugin SampleData 4

5. HASC Toolのセットアップ HascToolの起動 Run configuration の作成 Main Tab Arguments Tab Plug-ins Tab サンプルデータのimport HASC Toolの更新 5

6. 提出データ構成～HASC Challenge 学習データ 対象とする行動：stay, walk, jog, skip, stUp, stDown 一回の計測時間：20秒 一人あたりの計測回数：5セット 必要データ：5人分 加速度データ(.csv)+メタデータ(.meta) シーケンスデータ 全行動が含まれたデータ（各々の行動は5秒以上続ける） 一回の計測時間：120秒 一人あたりの計測回数：1セット 必要データ：5人分 加速度データ(.csv)+メタデータ(.meta)+ラベルデータ(.label) 可能ならシーケンスの様子のビデオをつけてください 6

7. 提出フォルダの構成 提出フォルダ名：entry+エントリー番号 参加登録受付後にこちらからメールで通知 行動ごとの指定フォルダ名リスト シーケンス：0_sequence 静止：1_stay 歩く：2_walk ジョギング：3_jog スキップ：4_skip 階段を上る：5_stUp 階段を下る：6_stDown 行動者フォルダ名リスト 1人目：name_1 2人目：name_2 3人目：name_3 4人目：name_4 5人目：name_5 7

8. 提出フォルダの構成 シーケンスデータ 行動者フォルダの中に作成 加速度データ，メタデータ，ラベルデータで1セット 収集データ量：一人1セット 画像中では2セット分入ってます 8 学習データ 行動者フォルダの中に作成 加速度データ，メタデータで1セット 収集データ量：一人5セット 画像中では2セット分入ってます

9. サンプルデータの閲覧～加速度データ[.csv] データ構成 [時間(sec)],[x軸加速度(G)],[y軸加速度(G)],[z軸加速度(G)] 9

10. サンプルデータの閲覧～加速度データ[.csv] 波形の表示 縦軸：加速度(G), 横軸：時間(sec) センサX軸：青色, センサY軸：赤色, センサZ軸：緑色 波形ビューの操作 表示する範囲の変更：“+t”,“-t”,“+v”,“-v” 時刻の左端を0とする:“rt” 選択した時間範囲をテキストエディタ上に表示:“?t” 10

11. サンプルデータの閲覧～メタデータ[.meta] データの要素 TerminalType,Frequency(Hz),Activity,性別,身長(cm), 体重(kg),履物,路面状態,場所,センサデバイス取り付け位置 ＋任意情報 11

12. サンプルデータ閲覧～ラベルデータ[.label] データ構成 1行目：対象とするcsvデータの絶対パス 2行目以降：[開始時刻(sec)][終了時刻(sec)][Activity] 12

13. サンプルデータ閲覧～ラベルデータ[.label] ラベル付き波形表示 Wave&Labelsをクリック ラベル付け:“?L” 13

14. hascxbdファイル hascxbdファイル（ブロック図） ブロック図 複数のブロックを連結 様々なデータ処理を行う 実行＆終了 実行：BD実行ボタン 終了：BD停止ボタン ブロック図の編集 ブロックの新規作成：“+B”＋クラス名の入力 ブロックの削除：対象ブロックをクリック＋“Del” プロパティ設定：対象ブロックをクリック＋プロパティ項目の編集 コネクションの作成： Ctrlキーを押しながら送信元と受信先を順にクリック＋“+C” コネクションの削除：対象コネクションをクリック＋“Del” 14

15. hascxbdファイル empty.hascxbd 空のブロック図。新規作成する時のテンプレートとして使用して下さい sin.hascxbd sin(t) を、WaveViewに実時間で表示 sin_file.hascxbd sin(t) を、CSVファイルに出力 udpReceiver.hascxbd HascLoggerから、UDPでベクトル信号を受信し、ファイルに書き出し ＆ WaveViewに表示 viewCSVFileInWaveView.hascxbd ダイアログで指定されたCSVファイルを読み込み、WaveViewに表示 viewLabelFileInWaveView.hascxbd ダイアログで指定されたラベルファイルを読み込み、（ラベリング対象のCSVファイルと合わせて）WaveViewに表示 CSVnorm.hascxbd ダイアログで指定されたCSVファイルを読み込み、ベクトルのノルムを計算し、ファイルに書き出し＆WavaViewに表示 15

16. （例）CSVnorm.hascxbdの実行 16 CSVnorm.hascxbd 1.加速度情報ベクトル 2.ノルム計算 3.ファイル出力 加速度データ ベクトルノルム計算後

17. HASCLogger 行動データ収集を目的としたアプリ iTune Store から入手 HASC Loggerの設定 iPhone,iPodtouchの設定アプリ＞HASC Logger Data to record AccelerationのみON Send Logs as UDP Packet IP:Port HASC Toolを動かしているPCのIPアドレス+:6666例）192.168.100.10:6666 ServerURL http://IPアドレス 例：http://192.168.100.10:6666 17

18. 行動データ収集準備 HASC Loggerの起動 Log List今までに収集したデータ一覧の表示 New データ収集の設定画面 データ収集の設定 データ収集開始ボタン Start Sensing After Delayボタンを押して5秒後にデータ収集を開始 Start Sensing Immediatelyボタンを押してからすぐにデータ収集を開始 Metadata :メタデータ設定画面に移動 View :収集データの観覧画面に移動() Upload :HASC Tool にデータ転送 Delete :収集したデータを削除 18

19. 行動データ収集準備 メタデータの設定 Comment 直接打ち込み 自由にコメントをかけます Tags リストから選択・追加 直接打ち込みも可能 カンマ“,”で区切る センサの位置や行動の種類などのデータ収集環境情報を入力 19

20. 行動データ収集 データの収集 データ収集開始ボタンを押すことによって開始 データ収集中：現在のセンサ値を表示 データ収集の終了 手動：Stop Sensingボタンを押す 自動：事前にデータ収集時間を指定しておくと自動的に終了iPhone,iPod touchの設定＞HASC Logger＞Logging OptionLogging Duration(sec) 収集データの表示 収集データの形式 日時 センサの種類 時間(sec),センサ値１,センサ値２ 例）右図 20

21. 収集データのアップロード HASC Tool側 HASCLoggerServerを使用：収集データを受信するサーバ ログの保存先ディレクトリを選択 ツールバーの(H)ボタンを押して起動 アップロード終了後に(H)ボタンを押して終了 HASC Logger側 Uploadボタンを押す 確認画面（例：右図） アップロード内容 センサ値，メタデータ，端末ID 21

22. 行動識別の流れ 行動識別 学習フェーズ 学習データの収集 特徴量抽出 機械学習 識別フェーズ シーケンスデータの収集 特徴量抽出 行動の識別 識別精度の評価 22

23. HASC Toolを使った特徴量抽出 対象データ 学習データ，シーケンスデータ 特徴量抽出手順 1.CSVtoFeature.hascxbdを開く 2.GraphEditタブをクリック 3.ブロック図の編集 4.hascxbdファイルの実行 CSVtoFeature.hascxbd 特徴量：最大，最小，平均，分散，エネルギー 窓幅：5.12秒（ずらし幅:50%） 23

24. HASC Toolを使った機械学習 対象データ 学習データ 機械学習手順 1.machineLearning.hascxbdを開く 2.GraphEditタブをクリック 3.ブロック図の編集 activity項目に入力：stay,walk,jog,skip,stUp,stDownの中から選択 fileSystemPath:学習データの場所を指定(ファイル拡張子は.csv) 4. C:orksASCToolL_OutPut.csv の作成（ブロックのプロパティ項目で設定変更可能） 5.hascxbdファイルの実行 24 学習データファイル 内容

25. HASC Toolを使った行動識別 対象データ シーケンスデータ 行動識別手順 1.activityIdentifivation.hascxbdを開く 2.GraphEditタブをクリック 3.ブロック図の編集 fileSystemPath:学習データの場所を指定(ファイル拡張子は.csv) 4.hascxbdファイルの実行 識別結果ファイル（右図） 拡張子は“.label” csv形式 [開始時刻(sec)],[終了時刻(sec)],[Activity] 25

26. HASC Toolを使った識別精度の評価 評価手順 1.evaluation.hascxbdを開く 2.GraphEditタブをクリック 3.ブロック図の編集 4.hascxbdファイルの実行 5.生成されたファイルを右クリック 6.OpenWith -> External programs -> ワークシートを選択 26