特徴ベクトルの非可逆圧縮に基づく大規模物体認識に関する研究

点击翻译按钮获取中文摘要

本研究の目的は,近年最も広く用いられている画像特徴量の照合による大規模物体認識システムの構築である.このシステムでは,画像より大量の画像特徴量を抽出し,これらの照合結果を基に物体を認識する.このため,認識対象物体が増加すると,画像特徴量の保存に莫大なメモリが必要となる.この問題に対し,これまでに画像特徴量の情報を非可逆圧縮することで,これらの情報を効率よく保存しつつ,単純背景下で物体を高精度に認識できる手法が提案されている.この手法では,これまでの研究で焦点を当てていた一枚の画像より物体を認識することから,短い動画として物体を撮影し,その動画より特徴量の時系列的変化を表現した部分空間を作成し,これを新たな特徴量として利用している.しかし,この部分空間の作成がボトルネックとなり,物体の認識処理に時間がかかるという問題があった.そこで,本年度では,この手法の高速化を検討した.以下で,具体的に述べる.本研究では,画像特徴量の時系列的変化を表現した部分空間に着目したところ,部分空間の一次元目が高い識別性を有していること.つまり部分空間の一次元目の累積寄与率が高いことが分かった,また部分空間の一次元目は,画像特徴量を平均したものと類似することが分かった.一般的に部分空間を作成するには,画像特徴量を並べた行列の固有値問題を解く必要がある.この処理は平均特徴量を求めるよりも圧倒的に処理時間がかかるため,本研究では,認識処理に用いる特徴量を,部分空間から平均特徴量に置き換えることで,処理の高速化を検討した.実験より,特徴量抽出時間を約1200倍高速化し,部分空間を用いた時と同程度の物体の認識率を達成した.この結果は,ACCV2012 (The 11^<th> Asian Conference on Computer Vision)に現在投稿中である.