2017 Fiscal Year Research-status Report
顔認識技術を応用した野生霊長類の観察システムの構築
| Project/Area Number |
16K12757
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
上野 将敬 京都大学, 文学研究科, 特別研究員(PD) (30737432)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
寺田 和憲 岐阜大学, 工学部, 准教授 (30345798)
山田 一憲 大阪大学, その他の研究科, その他 (80506999)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | ニホンザル / 人工知能 / 個体識別 / 霊長類学 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本研究課題は、ヒトの顔認識技術をサルの顔に応用して、拡張現実技術を用いた「サルメガネ」を開発し、その効果を評価することを目的とする。29年度は、岡山県真庭市に生息する勝山ニホンザル集団、兵庫県洲本市に生息する淡路島ニホンザル集団を対象として、ニホンザルの画像・動画収集を行った。そこで得られた画像や動画データをもとに、人工知能技術を用いて、サルの個体識別技術を開発した。サルの個体追跡を行うために、深層学習を用いて、サルの全身領域を特定するプログラムを作成し、そこで特定されたサルの固有領域をパーティクルフィルタで追跡するようにした。結果として、動画中のサルの個体追跡を高い精度で行うことができた。また、静止画像におけるサルの個体識別プログラムも、深層学習を用いて作成した。チンパンジーを対象に行われた先行研究では、条件の良い動物園で撮影された写真を用いたプログラムに比べて、野生下で撮影した写真による個体識別プログラムの精度が低くなっていた (Freytag et al. 2016)。しかし、本研究では、野生場面に近い条件であるにも関わらず、先行研究における動物園画像の識別精度よりも高い精度でニホンザルの個体識別を行うことができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
29年度は、28年度から引き続き、ニホンザルの個体追跡・個体識別プログラムの開発を行った。28年度に作成したプログラムでは、個体識別の精度が十分ではなかった。精度が十分でなかった理由の1つとして、画像データ数が少なかったことが考えられた。そこで29年度は、1頭あたり300－400枚程度のニホンザル顔画像を収集した。それにより、高い精度の個体追跡プログラムを作成することができた。また、静止画像の識別に関しては、先行研究よりも高い精度で識別することができた。個体追跡プログラムに関する研究成果は、国際学術雑誌Ethology誌に現在投稿中である。以上のことより、本研究課題は、おおむね順調に進展していると言える。
|
| Strategy for Future Research Activity |
平成29年度に作成した個体識別プログラムでは、静止画像による個体識別は高い精度で行えたものの、動画中の個体識別の精度が十分ではなかった。平成30年度は、29年度に収集した画像データを加え、動画中の個体識別プログラムを修正する。また、この識別プログラムは、一般の成人に体験してもらい、プログラムによってサルの個体情報を知ることによって、楽しさやサルへの態度にどのような影響を及ぼすのかを検討する。
|
