|
本年度は，前年度までの結果に基づき，顔画像からの瞬き検出に畳み込み型辞書学習を応用した．また，信号の合成モデルである畳み込み型辞書学習に対して，信号の解析モデルとなる畳み込み型ネットワークに対する検討を行った．
畳み込み型辞書学習は，疎らに繰り返し発生する複数の種類の波形を辞書として学習する．信号分離への応用では，学習された辞書を用いて信号を分解し，分離対象となる信号を表す辞書から分離信号を抽出する．本年度は，センシングの対象として，顔画像からの瞬きの検出を検討した．瞬きの発生する間隔，頻度は，人間のストレスや心理的な状態の観測に用いられてきた．本研究で研究の対象となる畳み込み型辞書学習は，信号の突発的な変動でも，繰り返し発生するならば，その波形を学習する．この性質を用いて，顔全体のビデオ動画像から，1フレーム枚の平均値を求めることで時系列信号を生成し，この信号から瞬きの輝度変化成分のみを分離することを試みた．分離された信号から，ピーク検出を行うことで，瞬きの発生した時刻を推定した．顔全体の平均値からでは個人を特定することができないために，詳細な個人情報を保持しつつ，生体のセンシングを実現する方法となっている．
10名の被験者を対象に推定の実験を行い，再現率と精度で検出能力の評価を行った．実験から，辞書の学習と推定対象の人物を変えても，提案法は70%以上の適合率が得られることがわかった．
以上で利用した畳み込み型辞書学習は，信号の合成モデルであり，合成するために関数の最適化問題を解く必要がある．信号の分離のために長時間の計算が必要になる．これを解消するために，畳み込みの繰り返しの過程で，分離対象となる信号を推定し，繰り返し減算する方法(ディープε)を検討した．この方法を画像の雑音除去分離へ適用し，ガウス性雑音の分離が可能であることを示した．
|
