2019 Fiscal Year Annual Research Report
協調型機械学習による犯罪発生を頑健に自動検知する次世代型高精度知的防犯カメラ
| Project/Area Number |
17K01301
|
|---|
| Research Institution | University of the Ryukyus |
|---|
Principal Investigator |
長山 格 琉球大学, 工学部, 准教授 (80274885)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 防犯カメラ / 社会安全システム / 人工知能 / 深層学習 / 画像処理 / 代替学習 / ひったくり / 街頭犯罪 |
|---|
| Outline of Annual Research Achievements |
本研究計画では、インテリジェント防犯カメラ（ISCAS） の高精度化と多様な状況に対する頑健性を向上させることが目標であった。そのため、まず、ひったくり等の犯行再現シーンを動画データとして収集する作業を行い、実験データ基盤の整備を進めた。
さらに、防犯カメラの映像と音響情報から状況を反映する特徴を固有空間への投影と最適化アルゴリズムを利用して抽出し、特徴量の評価・選択、および精製を実施した。効果的な深層学習を実施するための特徴量の改善策を検討するとともに、膨大な学習データを必要とする深層学習・機械学習の効率的な実現方法について多方面から検討し、いくつかのアイデア・方法について予備テストを実施した。すなわち、深層学習ネットワークでは多段接続された階層型ニューラルネットワークの学習を実行するために大量の学習データが必要という問題があり，例えば，Hinton らは深層学習ネットワークに関する彼らの研究において，100 万枚以上もの画像を学習データとして用いている。ところが，再現や観測が困難な場合や，稀に発生する現象である場合など，大量の学習データを収集・準備することが困難なケースがしばしばある。そのため、この点を改善する手法を検討した。
その結果、代替学習(Alternative Learning)を考案し、その有効性を複数のオブジェクト認識実験により検証した。また、ノイズに対して頑健かつ高速な新しい機械学習アルゴリズム（B-kNN 法）を考案し、従来法との比較により各種のノイズ・雑音混入に対して優れたロバスト性を持つことを示した。さらに、犯行状況の多様性を吸収する識別器をB-kNN 法やSVM、DNN 等の機械学習を協調させて構築し、インテリジェント防犯カメラ（ISCAS） におけるひったくり検知精度を向上させることに成功した。
|
