| Project/Area Number |
23K11117
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60080:Database-related
|
|---|
| Research Institution | Shizuoka University |
|---|
Principal Investigator |
大橋 剛介 静岡大学, 工学部, 教授 (80293603)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | データセット / 車載カメラ映像 / 注視領域 / 周辺視領域 / 有効視野 / 顕著性マップ / ドライビング・シミュレーター / 周辺視 / 深層学習 |
|---|
| Outline of Research at the Start |
車載カメラ映像から、運転者がどこを注視するか、視野範囲はどこまでかを知ることは、安全運転支援技術の開発に有用である。注視領域を推定する研究は盛んに研究されているが、周辺視領域(有効視野範囲)を推定するモデルは、データセットの構築が困難で存在しない故、未だ存在していない。そこで、本研究では、車載カメラ映像に対して、運転者の状態を考慮した周辺視領域(有効視野範囲)のデータセットを構築すること、推定モデルを開発することを目的としている。
|
| Outline of Annual Research Achievements |
車載カメラ映像から、運転者がどこを注視するか、視野範囲はどこまでかを知ることは、安全運転支援技術の開発に有用である。画像、映像（動画像）を対象として、注視領域を推定する研究は盛んに研究されているが、周辺視領域(有効視野の範囲)を推定するモデルは、データセットの構築が困難で存在しない故、未だ存在していない。そこで、本研究では、車載カメラの前方映像に対して、運転者の状態を考慮した周辺視領域(有効視野の範囲)を推定する深層学習モデルを開発することを目的としている。深層学習を用いた周辺視領域の推定モデルを開発するために、周辺視領域(有効視野の範囲)のアノテーション付きの車載カメラ映像のデータセットを構築する。
このような背景のもと、本研究は「車載カメラ映像における運転者の状態を考慮した周辺視領域のデータセット構築と推定」を目的として、3年間で計画されたものである。
1年目の研究実績は主に２つである。まず、N バック課題によって注意散漫状態を模擬し、水平有効視野（周辺視）を測定した。その結果、Nバック課題においてNが大きくなると（注意散漫状態になると）、水平有効視野（周辺視）は小さくなる結果が得られた。次に、スポーツシーンなどの様々な動画像を対象として注視領域を推定する深層学習モデルを提案した。深層学習は、データセットから暗黙的に学習するが、予測機構を明示的に深層学習に組み込むことで構成に推定することが可能になった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では、車載カメラの前方映像に対して、運転者の状態を考慮した周辺視領域(有効視野の範囲)を推定する深層学習モデルを開発することを目的としている。深層学習を用いた周辺視領域の推定モデルを開発するために、周辺視領域(有効視野の範囲)のアノテーション付きの車載カメラ映像のデータセットを構築する。
ドライビングシミュレータを用いて、N バック課題によって注意散漫状態を模擬し、水平有効視野（周辺視）を測定した。その成果を第29回画像センシングシンポジウム（6月）、電気学会 電子・情報・システム部門大会（9月）、ビジョン技術の実利用ワークショップ ViEW2023、（12月）で発表した。また、スポーツシーンなどの様々な動画像を対象として注視領域を推定する深層学習モデルを提案した。その成果をビジョン技術の実利用ワークショップ ViEW2023（12月）で発表した。このように、令和5年度は、実施期間の開始年度として、おおむね順調な進展している。
|
| Strategy for Future Research Activity |
令和5年度に、N バック課題によって注意散漫状態を模擬し、水平有効視野（周辺視）を測定した。今後は、まず垂直方向の有効視野（周辺視）の測定を目指す。また、令和5年度に、スポーツシーンなどの様々な動画像を対象として注視領域を推定する深層学習モデルを提案している。今後は、まず、車載カメラ映像を対象として注視領域を推定する深層学習モデルを提案する。そして、そのモデルとデータセットを用いて、周辺視領域(有効視野の範囲)を推定するモデルの提案を目指す予定である。
|
