移動カメラに基づく人物姿勢認識およびその対処

今年度の研究では当初研究計画とおりに以下三つの課題における進展がありました。(1)移動カメラに基づく移動物体認識およびカメラ自己移動算出;(2)人物輪郭特徴に基づく姿勢判断;(3)物体認識。課題(1)の移動カメラに基づくいづ物体認識およびカメラ自己移動算出は以前開発した「移動カメラに基づく移動物体検出」アルゴリズム上、ロボットが移動中でエゴモーション、すなわち自己移動を把握させるため、移動物体検出する際、同時にエゴモーションを推定できるアルゴリズムを提案しました。具体的に、移動中のステレオカメラで獲得した映像における連続フレームから、3次元オプティカルフローを算出します。以前提案した「修正RANSAC」で3次元オプティカルフローを分類する伴い、背景と前景(人物)が識別できます。背景に属する3次元オプティカルフローを利用し、回帰分析法でエゴモーションを計算します。本手法で屋内又は屋外環境で、移動ロボットはセルフナビゲーションが可能になります。課題(2)の人物姿勢判断では、既存文献調査でモデルマッチングに基づく方法が近年の傾きだと分かりましたが、計算上の複雑さおよび計算時間などの面で本研究に応用できないと結論しました。人物輪郭の形状特徴に着目し、形状認識の手法を開発しました。具体的に、対象領域の輪郭画素毎に勾配を計算で輪郭エッジ向き曲線の「Edge Orientation Curve」(以下EOC)を算出します。EOCはスプライン関数で近似され、形状特徴として利用されます。課題(3)シーン中の物体認識では、形状の構成要素により2種類の物体(直線および楕円)が定義されました。画像から直線検出の性能が良い手法はすでに開発されましたので、本研究で楕円検出に焦点を絞り、検出精度が高い手法を提案しました。具体的に、課題(2)で利用されたEOCに基づき、周辺がクラスタリングされます。クラスター毎に、修正RANSACで楕円のパラメターを推定します。本手法は直線検出手法と合わせシーン中に物体認識することが可能になります。まとめとして、今年度の研究は前年度のと合わせ、ほぼ当初計画とおりに完成しました。

今年度の研究では当初研究計画とおりに以下三つの課題における進展がありました。(1)移動カメラに基づく移動物体認識およびカメラ自己移動算出;(2)人物輪郭特徴に基づく姿勢判断;(3)物体認識。課題(1)の移動カメラに基づくいづ物体認識およびカメラ自己移動算出は以前開発した「移動カメラに基づく移動物体検出」アルゴリズム上、ロボットが移動中でエゴモーション、すなわち自己移動を把握させるため、移動物体検出する際、同時にエゴモーションを推定できるアルゴリズムを提案しました。具体的に、移動中のステレオカメラで獲得した映像における連続フレームから、3次元オプティカルフローを算出します。以前提案した「修正RANSAC」で3次元オプティカルフローを分類する伴い、背景と前景(人物)が識別できます。背景に属する3次元オプティカルフローを利用し、回帰分析法でエゴモーションを計算します。本手法で屋内又は屋外環境で、移動ロボットはセルフナビゲーションが可能になります。課題(2)の人物姿勢判断では、既存文献調査でモデルマッチングに基づく方法が近年の傾きだと分かりましたが、計算上の複雑さおよび計算時間などの面で本研究に応用できないと結論しました。人物輪郭の形状特徴に着目し、形状認識の手法を開発しました。具体的に、対象領域の輪郭画素毎に勾配を計算で輪郭エッジ向き曲線の「Edge Orientation Curve」(以下EOC)を算出します。EOCはスプライン関数で近似され、形状特徴として利用されます。課題(3)シーン中の物体認識では、形状の構成要素により2種類の物体(直線および楕円)が定義されました。画像から直線検出の性能が良い手法はすでに開発されましたので、本研究で楕円検出に焦点を絞り、検出精度が高い手法を提案しました。具体的に、課題(2)で利用されたEOCに基づき、周辺がクラスタリングされます。クラスター毎に、修正RANSACで楕円のパラメターを推定します。本手法は直線検出手法と合わせシーン中に物体認識することが可能になります。まとめとして、今年度の研究は前年度のと合わせ、ほぼ当初計画とおりに完成しました。