研究課題/領域番号 |
18H04115
|
研究機関 | 大阪大学 |
研究代表者 |
八木 康史 大阪大学, 産業科学研究所, 教授 (60231643)
|
研究期間 (年度) |
2018-04-01 – 2021-03-31
|
キーワード | コンピュータビジョン / パターン認識 / バイオメトリクス |
研究実績の概要 |
P1-1) 知情意体のパラメタとその取得シナリオの検討 知情意体それ自体は概念レベルの要因であるため、知情意体を具体的にラベル付け可能なパラメタを検討し、それらを取得するためのシナリオを検討した。知は歩容のスキル等に関連するため、人の知覚に基づく歩き方の良さに関するアノテーションデータを取得した。体は体調・機能障害に関連するため、体組成データを収集した。また、情と意については、取得シナリオを検討した。情は情動に関連するため、標準的な性格アンケートであるビッグ・ファイヴを収集することを検討した。意は意図・注意等に関連するため、携帯電話への注意を向けた歩行や運動のための早足歩行等の指示歩行のデータを収集することを検討した。 P1-2) 二入力による個別要因に対する相対モデル 上記のデータより、知に関する人の知覚に基づく歩き方の良さに関するアノテーションデータを用いて、相対歩容属性のモデルを構築した。具体的には、研究代表者らが保有する世界最大の歩行映像データベース OULP-Age から、30代男性の歩行映像データを抽出し、1,200ペアを構成した上で,そのそれぞれについて,八つの歩容特性(全体的な良さ・堂々とした・クールさ・リラックスした・腕振りの良さ・脚の運びの良さ・歩行速度の良さ・背筋の伸びの良さ)について、ペアのいずれが良いか、もしくは同じくらいかの3値のアノテーションを9名の被験者に依頼した。また、それらの歩容属性推定のために、歩行映像解析の分野で標準的に用いられている歩容エネルギー画像 (GEI) を入力として、事前学習済みの深層ネットワーク VGG-16 を通して特徴を抽出した。抽出された特徴に対して、一対比較の機械学習手法であるランクサポートベクトルマシンを用いて、相対歩容属性の推定器を学習した。
|
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
予定していた知情意体のパラメタとその取得シナリオの検討、及び、二入力による個別要因に対する相対モデルのプロトタイプを実現できたことから,概ね順調に進展していると言える.
|
今後の研究の推進方策 |
相対歩容属性を推定する手法として、より明示的に動きを表す特徴を導入するとともに、深層学習による一貫した枠組みの導入することで、推定精度の向上を目指す.
|