2016 Fiscal Year Research-status Report
スパースコーディングに基づく不特定者のための顔特異表情の検知
| Project/Area Number |
15K12100
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
鈴木 英之進 九州大学, システム情報科学研究院, 教授 (10251638)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 異常検知 / 生涯学習 / 顔表情 |
|---|
| Outline of Annual Research Achievements |
本年度は主に，昨年度に開発したスパースコーディングに基づく疲労顔検出法の発展と，不特定者のための転移学習に基づく苛立ち顔表情検知手法に取り組んだ．前者については，手法の細部を改良することにより，前年度判明したクラスタリングが必須であるという制約を外せた．さらに実験条件を若干変更し，6名の対象者に対して評価実験を行った．実験の結果，クラスタリングを用いる手法が有効である人物と，クラスタリングを用いない手法が有効である人物が半々であることが判明した．もっとも提案手法は，スパースコーディングを用いないシングルタスク学習に基づく検知手法（クラスタリングを併用する手法もしない手法も）に比較すると性能は良く（高AUC），スパースコーディングを用いたマルチタスク学習に基づくアプローチの有効性は示せている．
後者については，デスクワーカーの苛立ち顔を対象とし，複数人物について比較的多数の顔画像を取得済みの際に，不特定者である新規人物の特異表情を検知する問題に取り組んだ．この研究においては，一般的なカメラで撮影した画像データを用い，当初から計画していた画像特徴の一つであるLBP特徴量を用いた．この結果，新型Kinectという特定の装置に依存するアニメーションユニットという特徴で記述された特定データではなく，より一般的な画像データを対象にできるようになり, 不特定者を対象とする手法によりふさわしくなったと考える．検出手法は，マルチタスク１クラスSVMであり，3名の対象者を用いた予備実験で有望な結果を得た．なおその他，運転中の苛立ち顔を対象として，表情特徴点に基づく特徴選択についても調べた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
自動人見守りにおいて重要である疲労顔に関しては統合システムまで完成して実験を終え，不特定者からの苛立ち顔検出も順調に推移しているため．
|
| Strategy for Future Research Activity |
スパースコーディングに基づく疲労顔検出法については国際ジャーナルに投稿し，不特定者からの苛立ち顔検出をより発展させて学会発表を行う．
|
| Causes of Carryover |
不特定者を対象とする手法にふさわしいように，手法の適用対象を，新型Kinectという特定の装置に依存する特定データではなく，一般的なカメラで撮影した画像データに変更したため．
|
| Expenditure Plan for Carryover Budget |
新しい問題設定での学会発表を行う．
|
Research Products
(6 results)
