2008 Fiscal Year Annual Research Report
| Project/Area Number |
19700148
|
|---|
| Research Institution | National Institute of Information and Communications Technology |
|---|
Principal Investigator |
加藤 丈和 National Institute of Information and Communications Technology, 知識創成コミュニケーション研究センターユニバーサルシティグループ, 専攻研究員 (30362859)
|
|---|
| Keywords | 異常検出 / 1クラス識別器 / 最近傍探索 / 最近傍識別 / クラスタリング |
|---|
| Research Abstract |
平成20年度は、前年度に提案した事例に基づく異常検出のための理論をもとに実際の応用分野に適用する方法と、そのための応用分野に適した特徴抽出法、高次元データの次元削減方法について検討した。具体的には次の応用分野について検討した。
1. 半導体検査画像からの異常検出
半導体製造ラインの異常の検査画像からの検出への応用とし次の2通りのアプローチについて検討した。
(1)正常画像からの学習による異常検出
正常な半導体の検査画像を正常パターンとして学習し、対象画像の異常検出を行なった. 正常パターンのばらつきを吸収するための正規化と高次元の特徴量の主成分分析による次元削減を行い、実際の異常検出を検証した。
(2)事前学習を行なわない異常検出
事前に学習データが得られない場合について、未知画像中の注目画素と類似したパターンを同じ画像の別の場所から検索、比較することで異常を検出する方法により、事前学習なしで異常検出が行なえることを確認した。
2. 複数台首ふりカメラの時刻ずれ検出と補正
複数台のカメラ間の時刻のずれをカメラ間の幾何関係の異常として検出し、補正する方法を提案、実装、検証した。
3. 監視カメラによる人物監視
複数の人数未知の人物の追跡を、特徴点のクラスタリングによって行なった. 位置と形状を考慮した特徴表現、および、クラスタリングの当てはまりの良さもとづく人数推定を行なうことで、未知数人物の追跡を行なった。
4. 電力センサによる家電機器の監視
(1)学習した電力パターンから家電を識別し、また、学習データから外れたパターンを持つ家電を未登録家電として検出した。そのために高次元の電力センシングデータを主成分分析により次元圧縮し、特徴抽出を行なう方法について検討し、25種類にたいし、98%以上の高い認識率が得られることを確認した.
(2)正常な使用状況から外れて長時間使用している家電を、消し忘れとして検出して、ユーザへの警告や自動遮断を行なう異常家電の見守りサービスへの応用について検討し、実際の家電を用いた実証実験を行なった.
|
