映像からの人物行動理解のためのモデルの構築

点击翻译按钮获取中文摘要

本研究では，複数の動作が関わる行動を理解するために，それを記述した学習データ収集の負担削減を目指した．少量のデータを利用して学習したラベルの推定モデルによる推定結果を利用して負担削減を試みる．一部に対してユーザにラベル付けしてもらい，残りのラベルを推定モデルから算出する．これを繰り返すことですべてのラベルをユーザが付ける必要がなく，ラベル付け対象数を削減できる．研究計画では，今年度は実験に必要なデータの収集とラベル付けに加えて，一部のラベルから残りのラベルを推定するためのモデルの構築を予定していた．しかし，低負担なラベル付けインタフェースのためには，処理時間が大きいとラベル付け時間はむしろ増える可能性がある．したがって，推定モデルは高速な動作が必要であるが，過去に研究したハフ変換に基づく行動検出手法ではリアルタイム処理は実現できていなかった．そこで，リアルタイム行動検出の実現を目指した．ハフ変換に基づく手法では，局所特徴抽出，投票処理，投票スコア計算，検出処理という各ステップにより行動を検出する．それらの中でコストの高い特徴抽出とスコア計算の高速化を図った．特徴抽出アルゴリズムを高速に計算可能な低次特徴に変更し，スコア計算の実装を低コストなヒストグラムに変更した．これらを元に，オンライン人物行動検出システムを実装した．その結果，30fpsを超える処理速度を達成し，リアリタイム人物行動検出を実現できた．処理速度の向上に伴い精度の低下もみられた．そのため，行動検出の精度向上を目的とした研究をした．特徴量の識別能力低下に伴う類似動作の識別精度の低下に着目し，その点への頑健性の向上を図った．本研究では，クラス間の関係により誤投票には一定の傾向が存在することに着目した手法を提案した．評価実験の結果，提案手法は類似動作による誤検出を抑制することで検出精度を向上させることが確認できた．