2021 Fiscal Year Research-status Report
Suspicious person detection based on expert-vision using deep learning and spatio-temporal modeling of human gait
| Project/Area Number |
20K19835
|
|---|
| Research Institution | National Research Institute of Police Science |
|---|
Principal Investigator |
井元 大輔 科学警察研究所, 法科学第二部, 研究員 (10760902)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 歩容解析 / 法科学 / 深層学習 / 機械学習 / 異常検知 / 不審検知 |
|---|
| Outline of Annual Research Achievements |
異常検知手法への歩容特徴の活用可能性の検討のため、歩容特徴の基礎研究を継続し、撮影角度の相違に頑健な歩容解析及びシルエット抽出の研究成果が得られた。前者の撮影角度の相違に頑健な歩容解析の研究では、現場計測結果を元にカメラキャリブレーションにより得られた歩行者に対するカメラの内部パラメータ及び外部パラメータ（3次元的な位置姿勢）を用いて撮影角度の相違を幾何学的に考慮できる方法を開発・実装し、実用的なシルエット映像を用いた正答率の評価及び解析方法の改良を行った。その結果、撮影角度の相違に対する正答率低下を深層学習を用いた手法も含む従来方法よりも抑えることが可能となった。また、この手法の課題である現場計測が必要な点を踏まえ、シルエット映像から撮影角度の自動推定を行う方法の開発を検討した。さらに、撮影角度を、水平角度、カメラ高さ及び撮影距離の3パラメータ、合計900の離散条件に近似する、コンピュータ上で全ての処理が完結する手法を開発し、撮影角度の相違時の歩容解析における有効性を示した。この際、900の離散条件の性質について、歩容解析の同一人判定の閾値の撮影角度の各パラメータに対する依存性を解析し、従来方法で考慮されていない撮影距離の必要性が示された。後者のシルエット抽出の研究では、歩容解析の前処理として行うシルエット抽出作業の効率化に関する技術開発を検討した。この作業では、抽出するシルエットの精度が極めて重要であるという観点から熟練者による手作業が行われるが、効率化が課題となっていた。Mask R-CNNや相補学習(CDCL)などの深層学習による人物シルエット抽出手法を検討し、自動処理の導入可能性を議論したほか、最後に手動で実施する微修正作業を効率的に行うシステムの開発を検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
異常検知手法については検討が当初の予定より遅れているが、歩容特徴の基礎技術（撮影角度依存性の緩和）や解析方法（カメラキャリブレーションの活用やシルエット抽出）に関しては当初予定していなかった成果が得られている。
|
| Strategy for Future Research Activity |
異常検知手法については検討が当初の予定より遅れているため引き続き検討を行うほか、歩容解析及びシルエット抽出の研究を引き続き継続する。特に、シルエット以外の情報を活用することで、撮影角度の自動推定及びその活用方法について検討する。異常検知手法への歩容特徴の活用可能性について検討を行い、既存のデータベースの問題点（撮影角度の偏り）の解決などに、培ったカメラキャリブレーションの技術や知見が活かせないかを試みる予定である。
|
| Causes of Carryover |
概ね計画通り使用できているが、学会がオンラインとなり旅費の分が執行できなかった。（次年度、旅費として使用予定である。）
|
