映像センサ群のデータ統合・協調型学習による移動物体認識手法の開発

2015 Fiscal Year Research-status Report

• Project/Area Number: 15K21231
• Research Institution: Nagasaki University
• Principal Investigator: 丸田 英徳 長崎大学, 工学研究科, 助教 (00363474)
• Project Period (FY): 2015-04-01 – 2018-03-31
• Keywords: 画像解析

Outline of Annual Research Achievements

本研究の目的は、複数の異なる条件を持つ映像センサ群による移動物体の認識を高精度で行うための映像認識手法を構築することである。提案する手法では、複数の映像情報源からの解析を考慮した、時空間記述が可能な画像特徴量の導入が不可欠である。よって、本年度は、これまでに提案された画像特徴量について比較を行うとともに、時空間的な特徴量の利用が可能かどうかについて検討を行った。さらに、様々な映像取得条件（カメラ設置条件、撮影のための光源条件など）に対応するためには、機械学習を用いたセンサ情報統合の仕組みを導入する必要があると考えられるため、その検討を行った。学習方式は、時々刻々変化するシーンに対応するため、既知情報（初期学習用データ）のみならず、学習データに含まれない未知の情報をも学習に反映可能な半教師型・逐次更新型であるとした。また、撮影すべき対象が移動したり、上記の撮影条件（照明変動やオクルージョンなど）の変化を柔軟に追随可能なシステムとするため、複数センサ間で互いに学習した知識の受け渡しが可能な転移学習を取り込み、センサ協調のための新たな認識手法を構築することが不可欠であるため、その枠組みの導入について調査を行った。映像群から取得されたデータは環境依存性が高いため、従来精度が高いとされる手法をいくつか組み合わせる必要があると考えられる。そのため、いくつかの学習手法について、その有効性を検討した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

本研究で最も重要な要素である画像特徴量の検討について、おおむね順調に進展している。また、機械学習手法については、実運用システムを考慮した場合、その演算量についての評価が必要であるため、先行事例の調査を継続するなど、さらなる検討を要する。

Strategy for Future Research Activity

現在検討している画像特徴量と機械学習手法を統合し、目的のための認識手法を確立する。また、実運用を考慮すると、演算コストについて検討を進める必要がある。演算量を決定するのは、画像特徴の算出と学習処理であるため、評価の結果に応じて、再度それらの定義や利用方法を見直す必要がある。