研究課題/領域番号 |
20K11777
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分60060:情報ネットワーク関連
|
研究機関 | 法政大学 |
研究代表者 |
藤田 悟 法政大学, 情報科学部, 教授 (40513776)
|
研究分担者 |
内田 薫 法政大学, 情報科学研究科, 教授 (40735651)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
キーワード | 画像照合 / 生体情報抽出 / 画像特徴量 / GAN / 脈拍推定 / フーリエ変換 / ウェーブレット変換 / 特異値分解 / 特徴点トラッキング / 物体指紋 / 特徴点照合 / 生体情報 |
研究開始時の研究の概要 |
本研究では、高解像、かつ、高機能化したスマートフォンのカメラにより撮影した画像を微視的かつ時間軸上に詳細分析し、曲面を持つ剛体を含む物体の個体識別や、人体のように曲面かつ柔軟体である物体の個体識別を行い、加えて、脈拍や紅潮のような時間変化に関する情報抽出を行う技術について研究する。応用領域として、私物の判定や個人認証などの物体の個体識別を可能にすることと、心拍数を始めとする人体の状態観察を非接触で行うことによる健康管理システムの構築を想定している。タグを利用しない野生動物の個体管理や、動物の健康管理(心拍数管理)など、指示や異常通知が難しい動物管理への応用も可能になると考える。
|
研究実績の概要 |
本研究では、高解像、かつ、高機能化したカメラにより撮影した画像を微視的かつ時間軸上に詳細分析し、曲面を持つ剛体を含む物体の個体識別や、人体のように曲面かつ非剛体である物体の個体識別を行い、加えて、脈拍や瞳孔径のような時間変化に関する情報抽出を行う技術を中心に研究を進めている。 2020年度は、顔映像からの脈拍抽出について、研究を進め、顔映像の時間と空間の連続性を用いて、脈拍の観測が可能であることを示した。 2021年度は、掌の認証手法については、指紋に相当する微細な特徴量を抽出することに成功し、これを照合に利用できることを示した。瞳孔抽出については、赤外線カメラを用いて瞳孔を撮影し、エッジ抽出とハフ変換を用いて概形を抽出する手法を提案した。 2022年度も、引き続き、掌の認証手法と、目の瞳孔径測定手法について研究を進めた。掌認証については、ニューラルネットワークを用いた特徴点抽出と特徴点マッチングの手法の研究に着手した。従来の手法では、ホモグラフィ変換のような剛体を仮定したマッチングを緩める方法で非剛体の照合を行っていたが、ニューラルネットワークを用いることで、非剛体に対する物理的な位置制約に基づく照合が可能になることを期待している。瞳孔径測定については、赤外線カメラを用い、従来研究を上回る精度の認識手法を確立した。 このほか、画像特徴に対してDIEN(Deep Interest Evolution Network)と呼ぶattentionメカニズムによる効果的な特徴抽出方法を提案した。また、学習用データが十分でない特徴空間(Sparse Latent Space)でも特徴学習を高精度化できる手法を提案し、さらに、動画像または連続画像の高速処理のために、GANを利用して、圧縮センシングプロセスにおいてブロック雑音を効率的に除去する手法を提案した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
掌の照合技術について、2022年度は、ニューラルネットワークの利用に着目して、研究の方向性を変更した。特に、SuperGlue と呼ばれる研究を精査したところ、物理的な近接関係の制約を守った特徴点マッチングに有効であることを確認し、これを非剛体のマッチングに拡張するための研究に着手した。基本的なマッチング機能の実装と動作確認はできており、非剛体が歪みを持つことへの耐性等について、2023年度以降にも研究を進めていく予定である。 画像データに対するニューラルネットワークの研究となることから、2023年度も、引き続き、画像特徴に対するDIEN(Deep Interest Evolution Network)と呼ばれる attentionメカニズムの研究や、学習用データが十分でない特徴空間(Sparse Latent Space)における特徴学習の高精度化の研究も進める。 瞳孔径測定については、赤外線カメラの解像度を上げたことで、数十センチ離れた被験者の瞳孔抽出法を確立した。具体的には、瞳孔径を複数角度から測定し、その代表値を取ることで、高精度な測定が可能であることを示した。この手法を用いることで、ディスプレイに取り付けた赤外線カメラからの瞳孔径測定が可能になり、利用者に負担をかけることなく、パソコン操作時の瞳孔径変化を測定でき、ストレス計測に有効であることを確認することができた。瞳孔径測定については、一定の成果を得たことから、研究活動を収束させる予定である。
|
今後の研究の推進方策 |
2020年度から2022年度まで、おおよそは計画通りに研究を進めてくることができた。この中で、掌の照合技術については、基本技術を2022年度にニューラルネットワークを用いた手法に変更したことから、2023年度は引き続き、手法の妥当性の検証が必要になる。 また、この3年間、新型コロナウィルス感染症の拡大により、研究成果の十分な公表を行うことができなかった。研究期間の延長を許可していただいたことで、2023年度は学会発表、論文作成に注力し、研究成果の公開に努める。
|