| 研究課題/領域番号 |
13680442
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
加藤 ジェーン (駱琴 ジェーン) 名古屋大学, 工学研究科, 助教授 (70251882)
|
|---|
| 研究分担者 |
朝倉 宏一 名古屋大学, 工学研究科, 助手 (80273283)
渡邉 豊英 名古屋大学, 工学研究科, 教授 (80093342)
|
|---|
| 研究期間 (年度) |
2001 – 2002
|
| 研究課題ステータス |
完了 (2002年度)
|
| 配分額 *注記 |
4,100千円 (直接経費: 4,100千円)
2002年度: 1,400千円 (直接経費: 1,400千円)
2001年度: 2,700千円 (直接経費: 2,700千円)
|
|---|
| キーワード | 隠れマルコフ・モデル(HMM) / 自動追跡 / トラッキング / 交通監視 / 分離手法 / 高度道路交通システム(ITS) / ウェーブレット(Wavelet) / マルコフ確率場(MRF) / ウェーブ・レット(Wavelet) / 自動車追跡 / 自動交通監視 / 隠れマルコフモデル / 画像分割 / 画像分類 / 移動物体追跡 |
|---|
| 研究概要 |
自動車追跡技術は、それにより高度道路交通システム(ITS)の機能、例えば車両数・スピードの計測、車種の分類、交通渋滞・事故などの例外事象の検知などが監視映像を通して自動的に実現されうること、交通情報の提供、経路誘導、運転支援、自動運転の実現にも大きく貢献しうることから、近年注目されている。しかし、現状では追跡プロセスのロバスト性が低く、実用化のめどは立っていない。
我々は、すでに交通監視映像における背景、物体、影を高精度に分類できるHMM(隠れマルコフ・モデル)に基づいた背景モデルを構築し、ポイント特徴の集合を追跡するローレベル追跡で検証してきた。
本研究課題では、この背景モデルを用いたローベル追跡と、高次元空間における対象物体の変形を追跡可能なハイレベル追跡とを一つの確率的な枠組(Bayesの枠組)に統合し、日照条件の変動や対象物体の急な動きに適応できるロバストな自動車の実時間追跡手法を確立することを目指して研究を進めた。アプローチとしては、背景モデルに基づいたローレベル追跡によって得られた情報を、ハイレベル追跡において事後密度に関する補助的情報として組み込むことにより、ハイレベル追跡におけるサンプリング空間を限定する詳細な枠組みを検討し、提案した。これにより、ロバスト性向上と実時間追跡の両立が可能となった。また、その枠組みの下、ハイレベル・ローレベル追跡の一方または双方のロバスト性向上のための機構を提案・検証した。その上で、追跡プロセスの初期化、多物体の追跡といった、よりシステム化フェーズで問題となる事項について検討を進めた。本研究課題は、平成13年度と平成14年度の二年間にわたって実施し、その研究成果を一部学会論文誌、研究会、大会で発表した。
|
