| 研究課題/領域番号 |
25280088
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
山内 寛紀 立命館大学, 理工学部, 教授 (10288623)
|
|---|
| 研究分担者 |
泉 知論 立命館大学, 理工学部, 准教授 (30303887)
福水 洋平 立命館大学, 理工学部, 准教授 (60467008)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2016-03-31
|
| キーワード | 犯罪捜査 / 防犯カメラ / ３Dインポーズ / 画像超解像 / 人物異同識別 |
|---|
| 研究実績の概要 |
以下の４項目の研究を進めた。
１．３次元計測手法の確立：防犯カメラに写っている人物の身長や物体の大きさを高精度に計測するツールを開発した。非対称レンズ歪、地上面の凸凹、非測定人物の歩行姿勢、履物の影響、カメラ画角のズレをすべて考慮して推定身長を自動的に求めることができるシステムであり、約５０例の実証実験により有効性を確認した。
２．人物検出精度の向上と不審動作解析：２眼カメラを用いて距離情報を導入する方向での研究は実用化するには課題が多いことがわかってきた。この結果を受けて、新たに、カメラ間の人物移動ベクトルの類似性を取り入れてカメラ間の人物同定を行う手法を研究し、不審人物のカメラ間追跡と不審動作解析に有効であることを実証した。
３．顔画像に特定した超解像：顔画像を小チップ（ブロック）に分解し、機械学習にて低解像度チップと高解像度チップ間の連結の強さを評価したデータベースを作成しておき、対象とする低解像顔の各チップについて、対応する高解像チップ候補を選別し、その選別チップの中から隣接する高解像度チップ間の高域成分の連続性を重視して選択する１枚超解像の研究を進め、従来高解像に比べて、SNが改善されることを実証した。
４．顔の異同識別の絶対類似性判定基準の導入：２つの方向で研究を進めた。第１は、平均顔と鑑定画像を同時表示して、顔の各パーツの評価項目（約５０項目）を対象に、鑑定顔と平均顔の差分を半自動的に入力する手法であり、ツールも含めて完成した。第２は、入力した約５０項目の平均顔からの差分ベクトルから、異同識別する２つの顔（顔Ａと顔Ｂ）が、日本人の母集団を想定した時にどの程度類似しているかを統計的に示す手法であり、現在、顔データデースを増やしながらシステムを構築している途上である。
|
| 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
３次元計測手法、マクベスカラーチャートを用いた色補正手法、顔の異同識別の絶対類似性判定基準の導入の３項目は、鑑定者のマンマシン・インタフェースツールも含めて、当初計画通り順調に進んでいる。
動画超解像については、防犯カメラ画像が量子化ノイズが強く入りすぎている、一般画像に比べて改善効果が弱いことから、新たな機械学習による１枚超解像技術の研究に変更して進めている。顔画像に限定した場合に、従来の超解像に比べてSNの改善が得られることを確認している。
人物検出精度の向上と不審動作解析については、新たに、カメラ間の人物移動ベクトルの類似性を取り入れてカメラ間の人物同定を行う手法を提案し、追跡精度と不審人物検出精度が向上することを確認している。
|
| 今後の研究の推進方策 |
顔の異同識別の絶対類似性判定基準の導入については、３つの方向で研究を進める。第１は、できるだけ多くの顔データを集めて、日本人の母集団に近いデータベースを作成し、年齢別、性別に分けた平均顔を作成する。第２は、差分ベクトルによる、異同識別する顔（顔Ａと顔Ｂ）の差分ベクトルの関連から、類似性を定量化できる統計解析手法を確立する。第３は、比較する顔を、正面顔の加えて横顔も加えて、防犯カメラでの異同識別を実用性の高いものとする。
画像の超解像については、２６年度の確立した機械学習による顔画像の１枚超解像技術を基本にして、量子化ノイズ、ボケ、ガウス性ノイズによる劣化画像に対して適用できるように改善する。
人物検出精度の向上と不審動作解析については、２６年度の確立したカメラ間の人物移動ベクトルの類似性を取り入れる技術に加えて、人物パーツ（上半身、下半身）の着衣類似性を融合することで、検出と追跡の精度向上を図る。
３次元の顔及び身体モデルに、テクスチャ画像を合成する高精度なマッピング手法をシステム化し、人物鑑定精度を高める。
|
| 次年度使用額が生じた理由 |
国際会議（外国出張）投稿が遅れたため。
|
| 次年度使用額の使用計画 |
次年度に、国際会議（外国出張）に使用する。
|
