| 研究課題/領域番号 |
19K24364
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1002:人間情報学、応用情報学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
520千円 (直接経費: 400千円、間接経費: 120千円)
2020年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2019年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
|
|---|
| キーワード | Gait recognition / Multi objects tracking / Optical flow / Dense Trajectory / FIsher vecotr encoding / Multi-Gait Modeling / Gait Energy Image / Feature Representation / Dense Trajectories / Fisher vector encoding |
|---|
| 研究開始時の研究の概要 |
This work introduces a novel proposition toward a multi-gait analysis/recognition system. Instead of existing single gait-based systems, I propose to recognize the identities of multi walking persons in the same videos.As well, I will study the impacts of multi walking persons on their gaits styles.
|
| 研究成果の概要 |
この研究プロジェクトを通じて、私は次のタスクを完了しました。
1-182人の歩行被験者を含む単一の歩行データセットを作成します。 2-グループ歩行実験のラボ記録からのマルチ歩行データセットのコンパイル。 3-シングル歩行データセットとマルチ歩行データセットの両方のオプティカルフローと高密度軌道を抽出します。 4-オプティカルフローと密な軌道を使用して、抽出された各密な軌道とともにオプティカルフローの動き情報の集約を検討することにより、歩行対象ごとにローカルモーション記述子を作成しました。 また、各軌道の相対位置と形状記述子を計算しました。 5-計算されたローカル記述子を指定して、各サブジェクト.
|
| 研究成果の学術的意義や社会的意義 |
I introduced the first steps toward a multi-gait recognition system. Ihave prepared the first multi-gait dataset for research purposes. The dataset contains, videos, optical flow, BBXs,and dense trajectories for all subjects.I introduced a robust motion feature representation for model evaluation.
|
