| Project/Area Number |
10780238
|
|---|
| Research Category |
Grant-in-Aid for Encouragement of Young Scientists (A)
|
| Allocation Type | Single-year Grants |
|---|
| Research Field |
Intelligent informatics
|
|---|
| Research Institution | Fukuoka University |
|---|
Principal Investigator |
鶴田 直之 福岡大学, 工学部, 講師 (60227478)
|
|---|
| Project Period (FY) |
1998 – 1999
|
| Project Status |
Completed (Fiscal Year 1999)
|
| Budget Amount *help |
¥2,100,000 (Direct Cost: ¥2,100,000)
Fiscal Year 1999: ¥500,000 (Direct Cost: ¥500,000)
Fiscal Year 1998: ¥1,600,000 (Direct Cost: ¥1,600,000)
|
|---|
| Keywords | 動作認識 / 動作モデル / 特徴マップ / 人工神経回路網 / 自己組織化 / 対象物追跡 |
|---|
| Research Abstract |
バーチャルリアリティやマルチメディアの要素技術として画像解析技術への要求が高まっている。特に、特別なスタジオや機材を必要とすることなしに、一般のビデオ映像から人間や動物の「動作」を認識しモデル化することが求められている。ここで、動作とは、単なる物体の動きの方向や速度ではなく、「走る」や「止まる」といった、対象物の意図や意志によって意味付けされた、抽象度の高い記号表現をいう。動作による記号表現と映像との双方向の交換が可能になると、高度な情報の圧縮や、シナリオからの映像の自動生成、キーワードによる映像検索が可能になる。
本研究では、申請者が提案中の多層人工神経回路網(ハイパーコラムモデル)とその選択的注意機構(記号から信号へのトップダウン処理)を用い、以下の3つの点におけるモデル獲得システムの技術向上を目指す。
1.複雑な背景かでも対象物を安定して認識し、カメラで確実に追跡する技術
2.追跡した物体の形状や動きを適切にパラメータ化する技術
3.選られたパラメータを基に、記号的な意味付けを行う技術
本年度は、提案モデルの性能評価を行った。研究項目は、以下の通りである。
1.対象物追跡システム:首振り制御付きカメラと高速パーソナルコンピュータを用いた対象物追跡システムの性能評価を行った。
2.ハイパーコラムモデルを動画像に適用するための改良:柔軟な対象物追跡を可能にするための、注意レベルの制御方法、制御レベルを切り替えるタイミングを検出するための予測法式を評価した。
3.ハイパーコラムモデルの最上位層で形成される特徴マップの解析:動作の分かっているサンプル画像を基に形成した特徴地図を解析し、異なる動作の識別能力と、未学習動作に対する汎化能力を評価した。
|
