2017 Fiscal Year Annual Research Report
クラウド上の膨大な画像履歴情報を多様な時空間スケールで活用する超低品質画像の認識
| Project/Area Number |
17H00745
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
村瀬 洋 名古屋大学, 情報学研究科, 教授 (90362293)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
目加田 慶人 中京大学, 工学部, 教授 (00282377)
井手 一郎 名古屋大学, 情報学研究科, 准教授 (10332157)
平山 高嗣 名古屋大学, 未来社会創造機構, 特任准教授 (10423021)
出口 大輔 名古屋大学, 情報連携統括本部, 准教授 (20437081)
川西 康友 名古屋大学, 情報学研究科, 助教 (50755147)
|
|---|
| Project Period (FY) |
2017-04-01 – 2022-03-31
|
| Keywords | 画像処理 / 機械学習 / 低品質画像 / 車載カメラ |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、車載カメラ画像，監視カメラ画像などに見られる超低品質な画像を認識し、ユーザーに結果を適切に情報提示する手法を実現することにある。そこでは「超低品質な画像」の認識が必要となっている。特に、本研究では、機械学習に加えて、「クラウド上の膨大な画像履歴情報を多様な時空間スケールで活用」するアプローチで、超低品質な画像の認識を実現することにある。
本年度は，以下の成果が得られた．(1)車載カメラを用いた自動車の自車位置推定において、局所特徴の対応付けが有効であるが、データベース側の空間的な間隔がまばらな場合には位置推定精度が低下する。そこで、局所特徴のスケールを新たな特徴として利用することにより、位置を空間的に補完することが可能となり、より精度の高い自車位置推定が可能となった。実験によりその有効性を示した。また、複数回走行することにより学習サンプルを自動的に収集する手法を提案した。(2) 監視カメラを用いた人物追跡において、異なるカメラ画像間での人物間の対応付けが必要となるが、環境の変動などでその類似度は必ずしも安定していない。そこで、グローバルに見て人物の対応付けが最も適切になるような、対応付けを行うことにより対応付け精度が向上することを示した。更に、複数カメラ間の対応付けにおいて、一つのカメラで対応漏れが発生しても全体として対応付けが可能となるようにランダムドロップアウトという考え方を提案し、その効果を実験により示した。(3)夜間の歩行者などドライバーにとって視認性の低い対象に対して、LIDARなどの対処を検出したのちに、その対象に点滅光を照射することにより視認性が向上する手法を提案した。その際にどの程度の周波数が適切かを被験者実験により明らかにし、その有効性を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
低品質な画像を精度よく認識するための手法を目指し、研究を進めている。平成29年度当初の計画通りに、以下の点を達成した。(1)車載カメラを用いた自車位置推定について、データベース側の位置分解能が粗い場合でも精度良く位置推定できる手法を実現した。また、複数回走行することにより学習サンプルを自動的に収集する手法を提案した。(2)異なる監視カメラ画像中の人物の対応付けについて、環境情報を考慮しグローバルな評価関数を導入することにより対応付け精度を向上させる手法を提案した。(3) 人間の視覚特性を考慮し、夜間の歩行者に点滅光を照射することにより、ドライバーから見た歩行者の視性を向上させる手法を提案し、実験により有効性を示すことができた。
以上の点から、本研究計画はおおむね予定通りに進展している。但し、論文化がやや遅れているので、この点は今後加速したい。
|
| Strategy for Future Research Activity |
低品質な画像を認識する手法を体系的に開発するために，以下の方針で研究を推進する．
(1) 車載カメラで撮影されたような低品質な画像を精度良く認識するためには、その環境での学習サンプル（例：歩行者＝ポジティブ学習サンプル、背景＝ネガティブ学習サンプル）を大量に収集し、クラウド上で共有することが重要である。ここでは、同一場所を何度も走ったデータから、半教師あり学習の枠組みを用いて、各時間、各場所での学習サンプルを大量に収集する手法を提案する。
(2)人間が低品質画像をどの程度認識しやすいかの視認性を定量化する手法や、視認性を向上させる手法を開発する。夜間の歩行者などはドライバーにとっての視認性が低い。そこで歩行者を画像処理で検出したのちに、プロジェクションマッピング等の技術により歩行者の体の部分に時空間的に顕著性が高くなる光を照射する手法を提案する。
(3) 監視カメラをもちいて、駅構内などで白杖利用者などの交通弱者を自動的に検出し、支援する手法を検討する。一般環境の背景には白杖に似た白い直線状のものはたくさん存在するが、歩行者の姿勢や、人物と白杖との位置関係を用いることにより、精度よく白状利用者を検出することができる。さらに時間情報を利用する手法についても検討する。
これら3つの観点から研究を発展させる予定である．
|
