コクヨの「軽い力で汚れを落とせるフローリングワイパー」の開発において、人間工学的観点から使用姿勢・力の入れやすさ・身体負担のデザイン検証に貢献した。実使用時の動作やグリップ、柄の長さなどを評価し、その結果がグリップ形状や力を伝えやすい造形ディテールの設計に反映された。

researchmap

記述言語：英語  

DOI： 10.1186/s40101-026-00434-w

PubMed

担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Journal of Open Research Software  

Timeline-kun is a desktop Graphical User Interface (GUI) application for planning, executing, and documenting time-managed protocols in human-subject research. Schedules are defined in a simple CSV format editable in spreadsheet software, a text editor, or within the application, then visualized as a timeline and exported to Scalable Vector Graphics (SVG). The schedule can be executed as a timer that supports rehearsal or restart from an arbitrary stage. During execution, Timeline-kun plays WAV alarms and records logs in Brain Imaging Data Structure (BIDS) events.tsv format. It can also optionally control GoPro cameras over Bluetooth Low Energy (BLE). The software is implemented in Python and distributed as both a package and a standalone Windows executable.

DOI： 10.5334/jors.699

Scopus

researchmap

リポジトリ公開URL： https://hdl.handle.net/2324/7432186

担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Behavior Research Methods  

本稿では、姿勢推定技術を用いた行動研究における探索的分析のための効率的な手法である、特徴量ベース行動コーディング（feature-based behavior coding: FBBC）を紹介する。FBBCは、特にコーディングスキームがまだ十分に定義されていない研究の探索段階において、従来の行動コーディング手法が抱える課題に対応するものである。

FBBCは、キーポイント検出と次元削減を活用することで、動画データを解釈可能な特徴量時系列へと変換し、研究者が多様な姿勢パターンをより効率的に分析できるようにする。また、FBBCのオープンソース実装である Behavior Senpai も紹介する。Behavior Senpai は、自動的な特徴量抽出と人間の洞察を統合したソフトウェアである。

ケーススタディでは、複数の特徴量と手動クラスタリングを組み合わせることで、FBBCが複雑な姿勢を分類できることを示した。現時点の実装は瞬間的な姿勢分類に焦点を当てているが、この枠組みは行為分類へと拡張できる可能性を有している。

FBBCは、コーディングスキームの開発における柔軟性を高めるとともに、反復的な観察に伴う時間的負担を軽減する。このアプローチは、従来手法と現代的な機械学習技術を橋渡しするものであり、行動研究における大きな進展を示すものである。今後FBBCが導入・改良されていくことで、心理学および行動科学の幅広い領域において、より包括的で洞察に富んだ行動分析に貢献すると期待される。

DOI： 10.3758/s13428-025-02702-6

Web of Science

Scopus

PubMed

researchmap

担当区分：筆頭著者   記述言語：日本語   出版者・発行元：九州大学大学院芸術工学研究院  

In behavioral observation within videos using keypoint detection technology, the movement of specific points (keypoints) is tracked to quantify behavior. The use of video cameras enables long-term observation and simultaneous observation of multiple people, but this increases the burden on observers. Therefore, the efficiency and automation of behavioral recording using video analysis technology have become important challenges for the future. The author is conducting research to expand quantitative methods of behavioral observation by combining video cameras with keypoint detection technology. There are two main challenges being addressed in this research. The first is improving the accessibility of keypoint detection technology. Despite technological advancements, the latest technologies are difficult to use for non-information technology students and researchers. To address this, the author is developing an intuitive application designed to handle various image recognition libraries. The second challenge is converting keypoints into meaningful behavioral data. An application is being developed to transform keypoint coordinate data into behavioral data, allowing for analysis of movement speed and direction of keypoints. Currently, these technologies are being implemented into applications to verify their practical applicability in behavioral observation.

DOI： 10.15017/7170833

CiNii Research

記述言語：日本語  

Questionnaires and behavioral observation have long been used in design methods. However, knowledge of human behavior has not been adequately applied to design methods from either a quantitative or qualitative perspective. Therefore, we are aiming to develop a resilient design method for extracting and solving physical, physiological, and psychological challenges faced by users, such as operational issues associated with images recorded by security cameras installed at disaster evacuation centers. The extracted issues and their solutions must then be incorporated into the operational design. We conducted an experiment simulating activity at an evacuation center and distributed a questionnaire survey to participants. We analyzed HRV when participants were grouped together in spaces according to the F-formation system in order to determine what constitutes stressful conditions. The results of this pilot study revealed a relationship of grouping arrangement, personality traits, and HRV among the participants. It was demonstrated that the experimental results could be applied to the resilient design of disaster evacuation centers.

DOI： 10.15017/2349290

担当ページ：総ページ数：xvii, 705p   記述言語：日本語  

開催年月日： 2026年5月

記述言語：日本語   会議種別：口頭発表（一般）  

researchmap

開催年月日： 2026年5月

記述言語：日本語   会議種別：ポスター発表  

researchmap

開催年月日： 2025年3月

記述言語：日本語   会議種別：口頭発表（一般）  

researchmap

開催年月日： 2025年3月

記述言語：日本語   会議種別：口頭発表（一般）  

researchmap

開催年月日： 2025年3月

記述言語：日本語   会議種別：口頭発表（一般）  

researchmap

記述言語：日本語  

DOI： 10.15017/7170833

作品分類：ソフトウェア  

DOI： 10.48708/7325764

researchmap

作品分類：ソフトウェア  

Behavior Senpaiは、定量的行動観察を行うためのアプリケーションである。ビデオカメラで撮影した人の行動をkeypoint検出AIによって時系列座標データ化し、その時系列座標データを用いて人の行動を定量的に分析することができる。

DOI： 10.48708/7160651

researchmap

その他リンク： https://hdl.handle.net/2324/7160651

This data consists of videos of people walking and performing desk work, taken for research on methods of observing human behavior using key point detection techniques. The contents of each video are as follows
desk_6min_a.mp4
desk_6min_b.mp4
desk_2min_a.mp4
desk_2min_b.mp4: These videos show the task of choosing an object on the desk, placing it on the scale, and weighing it to exactly 100 grams, filmed from different positions. The scale's display was shown on a monitor in real time, and the subjects watched and adjusted the weights as they performed the task. The task was performed twice, once with 6 minutes to complete the task and once with 2 minutes to complete the task; in the 2-minute movie, the subject was instructed to perform the task as quickly as possible.
walk_sit_a.mp4
walk_sit_b.mp4: These videos show the subject rising from a chair, walking, and then sitting in the chair again, filmed from different positions.walk_around_one.mp4
walk_around_tow.mp4: These videos show the subject walking around the same location in a circle. “walk_around_one” shows five circles, and “walk_around_two” shows ten circles. In “walk_around_two”, there are passers-by in addition to the subjects.

Behavior Senpai is an application for conducting quantitative behavioral observations. It converts human behavior captured by a video camera into time-series coordinate data using keypoint detection AI, allowing for the quantitative analysis of human behavior using this time-series coordinate data.

作品分類：ソフトウェア  

researchmap

種別：大会・シンポジウム等 

種別：査読等 

外国語雑誌　査読論文数：1