| 研究概要 |
近年,コンピュータを使って人間の体の動きを認識,解析する方法に関心が集められている.視覚監視,福祉ロボット,ヒューマン・インタフェースなどの分野の応用に期待できる.しかし,コンピュータで人体の認識することは容易な問題ではない.2次元画像から3次元姿勢を復元するという一般に共通する困難さ,人体の複雑さ,オクルージョンの発生などがあるからである.
これら問題を克服するためにステレオ視や人体の構造モデルとのマッチングを用いて,推定を行う手法が提案されている.これら手法では,複数台のカメラや精巧な人体構造モデルが必要であり,また,計算負担が大きいという欠点がある.
我々はこれら手法とは異なる機械学習アプローチによる推定手法を採用した.これまでにも機械学習アプローチを用いた手法が提案されている.その例として,Karaulovaの手法がある.この手法は,隠れマルコフモデルを用いて,与えられた画像に対応する人体の姿勢の推定を行った.この手法では,隠れマルコフモデルという離散空間モデルを用いて推定を行うため,姿勢の細かい変化を記述できないという問題が生じた.
我々は従来手法とは異なる姿勢と画像の表現手法を提案し,機械学習アプローチによる推定を行った.提案する表現手法は,動作を周期運動と仮定し,その周期運動の位相で画像、および姿勢を表現する状態空間モデル:Cyclic Motion Modelである.また,推定手法には逐次モンテカルロ法を用いて,画像列から動作の位相の推定を行い、推定された位相から姿勢を復元する.さらに,3次元人体モデルが与えられる場合には提案手法を拡張し,任意のカメラ方向からでも姿勢推定も可能にした.
本手法を用いて姿勢推定の実験を行い,提案手法の有効性を示した.今後の課題として,各種条件でのシミュレーション実験や実画像での実験が挙げられる.
|
