人間の動作の知的モデリングを利用した統計的手法に基づく動作認識法の研究

平成16年度の研究実施に引き続き,力学的特性を導入したカーネル計算法の拡張と整備を行った.具体的には,確率構造に基づくカーネル計算と姿勢空間上での類似度を測るカーネル計算法をテンソル積として利用することで,動作の事前知識の組み込みを容易なものとした.また,認識処理により得られる動作の言語・知識的な依存性を考慮した動作認識法の構築を行った.平成16年度に構築した動作認識手法では,動作名単体の認識処理に特化し,入力運動時系列情報の特性の加味に注力したが,本年度では,識結果である動作名時系列がある種の塊構造を有することや,複数の動作が付与される一方でそれら組み合わせには制約があること,等の出力側の特性に着目し手法の構築と評価を行った.具体的に構築した手法とは,動作の言語的な依存性を準階層的なモデルとして表現し,そのモデルを部分的な制約条件として利用するセグメンテーション法である.構築した順階層的なモデルとは,排他的な関係にある動作群を一つのサブグループとしてまとめ,それらのサブグループ間の関係性,特に階層性に着目し設計したものである.この準階層構造に基づく知識表現に従い,ある単一の動作を付与すべきか否かをあらわす指標を平成16年度に構築した手法により取得し,それらの値の時系列を隠れマルコフモデルによりモデル化し,動作の区切れ目とそうでない区間を分離するものである.この手法はオンラインでの処理が可能であり,既存手法と比して,遅れの少ない分節点発見処理が非常に軽量な計算で実現されることが特徴である.

平成16年度の研究実施に引き続き,力学的特性を導入したカーネル計算法の拡張と整備を行った.具体的には,確率構造に基づくカーネル計算と姿勢空間上での類似度を測るカーネル計算法をテンソル積として利用することで,動作の事前知識の組み込みを容易なものとした.また,認識処理により得られる動作の言語・知識的な依存性を考慮した動作認識法の構築を行った.平成16年度に構築した動作認識手法では,動作名単体の認識処理に特化し,入力運動時系列情報の特性の加味に注力したが,本年度では,識結果である動作名時系列がある種の塊構造を有することや,複数の動作が付与される一方でそれら組み合わせには制約があること,等の出力側の特性に着目し手法の構築と評価を行った.具体的に構築した手法とは,動作の言語的な依存性を準階層的なモデルとして表現し,そのモデルを部分的な制約条件として利用するセグメンテーション法である.構築した順階層的なモデルとは,排他的な関係にある動作群を一つのサブグループとしてまとめ,それらのサブグループ間の関係性,特に階層性に着目し設計したものである.この準階層構造に基づく知識表現に従い,ある単一の動作を付与すべきか否かをあらわす指標を平成16年度に構築した手法により取得し,それらの値の時系列を隠れマルコフモデルによりモデル化し,動作の区切れ目とそうでない区間を分離するものである.この手法はオンラインでの処理が可能であり,既存手法と比して,遅れの少ない分節点発見処理が非常に軽量な計算で実現されることが特徴である.