2018 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, 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
見えに基づく歩容特徴に影響を与える荷物所持状況変化に対して頑健な歩容による年齢推定の深層学習手法を開発した．具体的には，荷物所持状況下での歩容特徴を入力して，荷物不所持状況下での歩容特徴を出力するようなオートエンコーダ，及びそのオートエンコーダの出力から年齢を推定する深層ネットワークを設計した．また，入力として，荷物不所持状況下の歩容特徴，荷物所持状況下の歩容特徴のいずれが与えられるかは事前には分からないことから，学習時には，そのようなオートエンコーダを2並列で用意して，荷物所持状況下・荷物不所持状況下の歩容特徴に対して一貫性を保つような損失関数を導入して，最適化を図った．世界最大の歩行映像データベースOULP-BagとOULP-Ageを用いて精度評価実験を実施し，提案手法の有効性を確認した．
P2) 歩容の経年変化モデリング
一般に，生体情報の経年変化のモデリングには，同一人物の年齢の異なるデータが必要とされる．一方，深層学習の進展により，同一人物の年齢の異なるデータが存在しなくとも，異なる年齢群の学習データを与えるだけで，その間の変換を実現する，Cycle consistencyを利用した敵対的生成ネットワーク (Cycle GAN) が開発された．そこで，本研究でも，異なる年齢群のデータを含むOULP-Ageを利用して，年齢群間の歩行映像を変換する手法を開発した．具体的には，動きと見え（体型）を表すための motion augmented block や，SlowFast ネットワークを生成器と識別器に各々導入することで，動きと見え両方共を経年変化に応じて反映させるCycle GANの枠組みを構築した．実験では，世界最大の歩行映像データベースOULP-Ageを用いて歩行映像の年代間の変換を行い，提案手法の有効性を確認した．
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
