追加学習型自己組織化写像を利用した実時間人体姿勢計測の頑健化(パターン認識・メディア理解及び一般)

概要

論文の詳細を見る
本稿では,追加学習型の自己組織化マップである密度可変型自己組織化マップを利用することで,ビジョンベース実時間モーションキャプチャシステムにおける特徴点検出精度を向上させる方法を提案する.ビジョンベースモーションキャプチャシステムでは,人体の頭部や手足などの3次元座標を安定して取得することが求められる.しかし,オクリュージョンや見えの違いによって,必ずしも常に安定した特徴点抽出が行われるとは限らない.そこで,特徴点抽出に成功したときの情報を自己組織化マップで追加学習する.このときに必要なのは,1)逐次的に特徴点情報を学習する能力,2)少ない情報から,できるだけ多くの情報を作り出す能力,3)各部位の情報を関連付けて学習する能力である.これらの課題に対して,自己組織化マップは非常に有効に働く学習法のひとつである.さらに,モーションキャプチャシステムが,特徴点の一部の抽出に失敗したときには,抽出に成功した情報のみを利用して,3の能力を利用することで,抽出に失敗した特徴点を補完することが可能である.本稿では,抽出に失敗した特徴点を補完することを「想起」と呼び,この想起能力を利用した,特徴点情報の安定な推定法について述べる.
2007-11-22

追加学習型自己組織化写像を利用した実時間人体姿勢計測の頑健化(パターン認識・メディア理解及び一般)

スポンサーリンク

概要

著者

関連論文

スポンサーリンク