2013 Fiscal Year Annual Research Report
フィールド測定による歩行識別のための統計モデルの構築
| Project/Area Number |
23650146
|
|---|
| Research Institution | Chuo University |
|---|
Principal Investigator |
鎌倉 稔成 中央大学, 理工学部, 教授 (40150031)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小西 貞則 中央大学, 理工学部, 教授 (40090550)
渡邉 則生 中央大学, 理工学部, 教授 (10182940)
|
|---|
| Keywords | 歩行データ / 非線形 / 歩行の分類 |
|---|
| Research Abstract |
本年度は正面から撮影した歩行の動画像を用い，統計的なスケールの変化を伴う位置合わせを行うと同時に，歩行者の腕の振りやスピードの変化をも考慮した歩行分析の統計的方法を確立した．この方法のパフォーマンスを例証するために，青年と老人のビデオ歩行データにもとづき，前もって判定しておいた異常歩行と正常歩行（正解データ）と提案した統計モデルによって推定した歩行パラメータをK-NN分類したところ，高いパフォーマンスが得られることが確かめられた．
Collins et al. (2009)は歩行運動の重要なパラメータとして腕の振りを言及している．我々は，このパラメータの他にさらに，脚の振りのパラメータと歩行のスピードの変化も取り入れたモデルとして，これらのパラメータをビデオ映像から得られるフレーム画像の統計処理と非線形最小2乗法によってそのパラメータ推定に成功している．AIC基準によるモデル選択でも，ベースモデルに腕の振りのパラメータと脚の振りのパラメータを導入した方が良いモデルとなっていることが分かった．老人の歩行データでは，個々に推定された歩行のパラメータのうち，腕の振りや脚の振りの大きさに影響を与える横幅，縦幅のパラメータとスピードのパラメータの推定値が，正常歩行と異常歩行を精度高く分類できることがわかった．これらの結果はOkusa and Kamakura (2013)で発表している．
今後の課題として，正面歩行だけでなく，任意の角度から得られた歩行映像データの分析ができるモデリングが必要である．今回の研究で得られた歩行のモデリングにおける推定パラメータを利用した歩行の分類は，歩容認証にも十分役立つものと考えている．
|
Research Products
(16 results)
