2016 Fiscal Year Annual Research Report
Research on gait-based age estimation and aging process modeling
| Project/Area Number |
16H02848
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
槇原 靖 大阪大学, 産業科学研究所, 准教授 (90403005)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | コンピュータビジョン / パターン認識 / バイオメトリクス |
|---|
| Outline of Annual Research Achievements |
P1) 歩容による年齢推定
P1-1) 年齢別大規模データベースの構築
申請者らは，平成27年7月より，日本科学未来館において，常設展示と並行した歩行映像データ収集を開始しており，平成28年6月の終了までに，70,000人規模(申請者らが保有する世界最大の既存データベースの約17倍)の年齢付きの歩容データを収集した．但し，来場者による年齢入力ミスなど，ノイズとなるデータが含まれている可能性もあるため，技術補佐員や大学院生による目視確認を通して除外する等して，年齢別大規模歩容データベースを構築した．また，本データベースは，ウェブサイトで公開しており，日本並びに世界各国の歩行映像解析の学術研究の推進に貢献する．
P1-2) クラスタリング回帰による年齢推定
申請者らが提案した年齢推定のベースライン手法は，全年齢の歩容を一つのモデルで表現したものである．しかし，歩容特徴は，子供の年代では急激な変化を遂げる一方，成人後は緩やかな変化となる．また，年齢内の分散(個人差)は，生活習慣の違いや性差が顕在化することなどから，年齢を重ねるに従って大きくなる．そのため，全体を一つのモデルで表現することは必ずしも適切とは言えない．よって，本研究では，歩容特徴の年齢変化や年齢内分散の大きさを考慮したクラスタを構築し，クラスタ毎に年齢を回帰する手法を開発した．本手法では，クラスタの粒度により，前段の各クラスタへの識別精度と，各クラスタ内での年齢回帰の精度がトレードオフの関係となる．そのため，最終的な年齢推定精度を最大化するような，クラスタリングと年齢回帰器群の組み合わせを求める最適化の枠組を定式化し，その有用性を年齢別大規模データベースにより検証した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
P1-1) 年齢別大規模データベースの構築，P1-2) クラスタリング回帰による年齢推定，共に実現していることから，概ね順調に進展していると言える．
|
| Strategy for Future Research Activity |
2018年度は，P2-1) 歩容の経年変化データベースの構築，及び，P2-2) 歩容年齢-特徴多様体上での遷移グラフ構築による経年変化歩容合成に取り組む予定である．
|
