2011 Fiscal Year Research-status Report
| Project/Area Number |
23700219
|
|---|
| Research Institution | Gifu Shotoku Gakuen University |
|---|
Principal Investigator |
高橋 友和 岐阜聖徳学園大学, 経済情報学部, 准教授 (90397448)
|
|---|
| Project Period (FY) |
2011-04-28 – 2014-03-31
|
| Keywords | 画像、文章、音声等認識 / 機械学習 / アルゴリズム |
|---|
| Research Abstract |
本研究課題の目的は，事前に他の複数の人物の顔画像から学習された特徴量変換モデルを用いて，1枚の顔画像から抽出された特徴量をその顔の向き，照明条件，解像度が異なる場合の特徴量に変換することにより，監視カメラ映像中の向き，照明条件，解像度の点で低品質な顔画像を高精度に照合して人物を認識する手法を開発することである． 平成23年度は，主に顔の向きと解像度に関する学習型特徴量変換による顔画像認識アルゴリズムの検討を行なった．具体的には，顔の向きに関しては，照合用画像として正面向きの顔画像を想定し，入力画像として与えられた非正面向きの顔画像を正面向きの顔画像に変換して認識するアルゴリズムの検討を行なった．そして，解像度に関しては，照合用画像として高解像度な顔画像を想定し，入力画像として与えられた低解像度な顔画像を高解像度な顔画像に変換して認識するアルゴリズムの検討を行なった． 顔の向きに関する学習型特徴量変換では，変換に用いる特徴量として画像を小領域に分割したパッチ画像を用いることにより，画像全体を一度に変換する場合に比べてより精度良く変換できることがわかった．さらに，学習段階において，複数の人物の顔画像の各位置におけるパッチ画像を複数のクラスタに分割し，クラスタごとに特徴量変換モデルを学習することにより，単一の変換モデルを用いる場合に比べてより精度良く変換できることがわかった．変換モデルの学習には単純な主成分分析に基づく多変量線形回帰手法を用いた． 解像度に関する学習型特徴量変換でも，上記の顔の向きに関するものと同様にパッチベースのアプローチを用いた．ここでは，変換モデルの学習に正準相関分析に基づく多変量線形回帰手法を用いることにより，単純な主成分分析に基づく手法を用いる場合に比べてより精度良く変換できることがわかった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
交付申請書に記載した研究実施計画における平成23年度の目標は，学習型特徴量変換に適した特徴量の調査，ならびに高精度な特徴量変換モデルの学習アルゴリズムの検討であった．平成23年度の研究実績としてこれらに対する十分な知見が得られたことから，研究はおおむね順調に進展していると言える． 具体的には，学習型特徴量変換に適した特徴量の調査に対しては，パッチベースの特徴量を用いることが有効であるという知見が得られ，高精度な特徴量変換モデルの学習アルゴリズムの検討に対しては，複数の変換モデルを学習して用いること，ならびにモデルの学習に正準相関分析に基づく多変量線形回帰手法を用いることが有効であるという知見が得られた．
|
| Strategy for Future Research Activity |
まず，平成23年度の研究において検討したアルゴリズムの評価のため，実際に様々な撮影条件の下で撮影された顔画像を用いた大規模な実験を行う．これにより，変換モデルの学習に用いる学習画像の規模と照合精度の関係を調査する．次に，照合用顔画像と入力顔画像が両方とも監視カメラ映像中の低品質な顔画像である場合を想定して，このような低品質な顔画像どうしを高精度に照合して人物の認識を認識するためのアルゴリズムの検討を行う．この場合には，照合用顔画像の顔向きや照明方向などの撮影条件を推定する必要がある．そのため，低品質な顔画像からこれらの撮影条件を推定するためのアルゴリズムの検討を行う．
|
| Expenditure Plans for the Next FY Research Funding |
平成23年度の研究において検討したアルゴリズムの大規模な評価実験を行うため，アルゴリズムの性質に適合した計算機の購入を検討している．具体的には，本アルゴリズムは特徴量変換モデルを学習する際に大量の画像データを同時に処理する必要があるため，主記憶の容量が大きく処理速度が高速な計算機を購入するための費用として使用することを検討している．また，資料収集と成果発表を目的として国内外で開催される各種学会に参加するための費用や論文の投稿費用，論文校閲のための費用などへの使用も検討している．
|
