2019 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, 講師 (50755147)
|
|---|
| Project Period (FY) |
2017-04-01 – 2022-03-31
|
| Keywords | 画像処理 / 機械学習 / 低解像度画像 / 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) 車載センサーを用いた周囲環境認識においては、
過去に何度も走ったデータを用いて、車載画像と実際に走行したデータから走行領域を自動的にラベル付けし、これをセマンティックセグメンテーションの学習に用いる手法を提案した。これにより過去の履歴情報から自動的に学習が可能な走路の領域抽出手法を実現し、実験的にその効果を示した。(2) 視認性の推定においては、人間が車両を運転する際には、歩行者、障害物、死角など様々な箇所に着目することが分かっているが、初心者と熟練者での注意の仕方について分析を行った。被験者実験により、熟練になるにしたがって、より遠方の物体に注意を向けることがわかった。(3) 超低品質な監視カメラ画像の認識では、赤外線センサアレイを用いて高齢者などの日常行動を見守るシステムを目的に、このセンサーから得られる超低品質画像から、人間の骨格姿勢を推定する手法を提案した。学習時に、通常カメラと赤外線センサアレイを同時に利用し、様々な姿勢を取得することにより、効率的にDNNを学習する手法を提案し、実験によりその効果を示した。また、監視カメラを用いて、駅構内などで白杖利用者など検出するシステムにおいて、人間の骨格姿勢の動きにより白杖が見えなくても検出できる手法を提案した。また、ふらふら歩きなどの歩行者の異常行動を、人間の骨格姿勢の動きの異常値から検出する手法を提案し、実験により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。令和元年度当初の計画通りに、以下の点を達成した。(1)車載センサーを用いた周囲環境認識では、過去の履歴情報から自動的に学習が可能な走路の領域抽出法を提案し、有効性を示した。(2) 視認性の研究に関しては、人間が車両を運転する際の、歩行者、障害物、死角など様々な箇所に着目する特性を初心者、熟練者について分析し、熟練者ほど遠方に注意を払っているという知見を得た。 (3)監視カメラを用いた人物認識においては、赤外線センサアレイからの超低解像度画像からの骨格姿勢推定の実現と、白状利用者などの交通弱者の検出手法を提案し、その有効性を示した。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、一部の研究で、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) 車載カメラを用いた周囲環境認識では、画像から様々な物体の領域をラベル付けするセマンティックセグメンテーションと、走行中の車載カメラ映像から得られる映像からの形状復元手法を組み合わせることにより、セマンティックセグメンテーションと3次元形状復元の双方の精度を向上する手法を開発する。
(2) 監視カメラを用いて人物行動を認識する研究においては、日常行動の見守りに適した赤外線センサアレイから得られる超低解像度画像からの骨格姿勢推定の精度をさらに向上させる。また、家庭内支援ロボットなどでは、掴むためにマグカップなどの姿勢推定が必要となるが、前景に何かあることで部分的なオクルージョンが発生する場合でも適用できる姿勢推定手法を開発する。
(3) 視認性の研究においては、人間が車両を運転する際にどこに視覚的注意を向けるかについて、令和元年度では単純な周囲環境での特性を分析したが、令和２年度では周囲の車両や歩行者などとインタラクションが起こるような複雑な環境において、熟練するにしたがってどのように視覚的注意が変化するかを分析する研究を行う。また、イベント会場などで多数の人がある対象を着目する際に、多数の人の情報を統合することにより対象の3次元的な着目位置を精度良く推定する研究を開始する。
これら3つの観点から研究を発展させる予定である。
|
