A New Analytic Approach to Time-series of Collective Motion with Integrated Statistical and Mathematical Modeling Strategy
| Project/Area Number |
21K11789
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60030:Statistical science-related
|
|---|
| Research Institution | Oita University |
|---|
Principal Investigator |
高見 利也 大分大学, 理工学部, 教授 (10270472)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大城 英裕 大分大学, 理工学部, 助教 (80194091)
行天 啓二 大分大学, 理工学部, 講師 (80305028)
下川 倫子 福岡工業大学, 工学部, 助教 (80554419)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | 動的時間伸縮法 / オートエンコーダ / 同期分析 / 三次元畳み込み / 逆問題 / 時系列解析 / 統計モデリング / 数理モデリング / 集団運動 |
|---|
| Outline of Research at the Start |
本研究では、集団運動による時系列データを対象として統計モデル化と数理モデル化を実施し、新たな時系列分析手法の開発を目指す。具体的には、自己駆動粒子の集団運動、および、心筋の集団運動の結果として得られる心電図データを対象とし、これらに対して深層学習による方法を含む統計モデル化と微分方程式などによる記述を利用した数理モデル化を実施する。さらに、数理モデルのシミュレーションと、時系列に対する動的モード分解などの分析手法を応用することで、統計的アプローチと数理モデルを融合したモデリング手法・データ分析手法を確立する。
|
| Outline of Annual Research Achievements |
時系列分析手法の開発が3年間の研究の最終目的であるが、2年次の研究においては、初年度に検討した手法のうち、動的時間伸縮法(Dynamic Time-Warping, DTW)を利用した運動時系列分析手法の開発を実施した。ここで対象としたのは、ビデオに記録された人の運動映像であり、同じ運動を記録した複数の映像間で、運動が同期しているか時間的にズレがあるかを分析するためのものである。
このために実現した方法は、ビデオ映像時系列から切り出した2次元画像を用意してオートエンコーダの学習に利用し、対象とする映像に応じた次元圧縮の方法を機械学習により獲得し、そのようにして得られた新たな時系列に対して、同期分析を実施するというものである。映像中に記録された人の運動(体操など)を対象とする場合、一つの映像中では服の色や人物は変化しないため、運動により変化する姿勢などの要素のみの同期を分析することが可能になる。つまりここでは、オートエンコーダの学習を介してCNNなどの画像分析の手法を取り込み、時系列の同期分析を実施するDTWと組み合わせた手法として開発したこととなる。この成果は、映像情報メディア学会のスポーツ情報処理研究会にて発表を実施した。
また上記以外にも、映像に記録されている人の動作予測を実施するための方法として、2次元および3次元のCNNを取り入れた機械学習システムを構築し、自動車の車載映像に映る人物動作を分析した。この部分については、10月にオンライン実施された国際会議(Traffic and Granular Flow)で発表を実施した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度は、映像時系列の分析に関しての研究成果を国際会議と国内の研究会で発表することができ、当初の研究計画にしたがって、順調に進展していると言える。
|
| Strategy for Future Research Activity |
今年度は最終年度であるため、研究成果の発表を中心に実施する。これまでに検討してきた動的モード分解(DMD)と動的時間伸縮法(DTW)という二つの分析手法を効果的に利用して、時系列分析手法としてまとめるとともに、国際会議・国内研究会での成果の公表を実施する。
|
Report
(2 results)
Research Products
(3 results)
