| Budget Amount *help |
¥1,800,000 (Direct Cost: ¥1,800,000)
Fiscal Year 2013: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2012: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Research Abstract |
本年度は, 映像における複数人物の動作とインタラクション解析について研究を行ってきた. 研究内容は以下の項目になる.
(1). ALMNN (Adaptive Large Margin Nearest Neighbor)アルゴリズムに基づくイベントの認識手法の開発. ここで, 我々は, coarse-to-fineスタイルのイベント認識方法を実現した. 具体的に, まず, 教師付き学習手法で分類したイベントの種類に基づいてビデオデータを分類し, 次に教師なし学習手法を用いて, ビデオデータをより細かいイベンへ分類していく. このようなアプローチにより, イベント認識を高い精度に保つだけでなく, 学習データのラベリングコストも大幅に減らすことができる. この手法を保育園の監視映像に適用し, イベント認識結果を用いて子供たちの映像ダイジェストの自動作成を達成した.
(2). ドメイン適合学習を目的とするISFS (Integrated Self-training and Featnre Selection)手法の開発. データポイント選択と特徴選択を同時に行うことによりドメイン適合を達成するISFSという学習手法を開発した. 本手法は最も広く使われているセルフトレニング法よりも優れていることを大量な実験により確認することができた. 目標ドメインのラベリング済み学習データを追加することなく, 既存の学習データで行動認識器を学習させることができる.
(3). ローレベル解析とハイレベル解析を統合した暴力シーン解析手法の開発. 具体的には, 映像から色や周波数に関するアバウトなローレベル特徴と, 暴力要素(殴り合い, 流血, 爆発等)の存在に関わるハイレベル特徴を抽出する. これらの特徴を統合して利用することにより暴力シーンを解析する.
(4). 移転学習に基づいた人物同定. 一般の人物データセットを用いて学習した人物同定に関する知識を, 目標ドメインのデータセットから学習した知識と統合して利用する手法である.
|
