人物の位置と動き方向の学習に基づくリアルタイム非定常検出(一般,膨大なデータから学ぶもの)

概要

論文の詳細を見る
映像監視システムに組み込むことを目的とした,人物の位置と動き方向の学習に基づいて普段と異なるシーンを検出する非定常検出手法を提案する.非定常を判断するには,人物の位置と動き方向の情報が重要であり,従来から軌跡特徴やオプティカルフローのヒストグラム特徴などが利用されている.しかし,位置と動き方向の両方を陽に扱うことは,安定性や識別時の計算量の面から難しかった.本研究では,代表的な動きベクトルをオプティカルフローの空間的・時間的な平均から求め,ベクトルの連続出現時間の情報も加えることで,安定な低次元の特徴量とした.定常・非定常のラベルつき映像を用いて特徴量の分離度を評価した結果,低フレームレートの監視カメラ映像にも適用可能である見込みを得た.識別には1クラスに拡張したインクリメンタルSVMを用いることで,教師なしのオンライン学習を行う.実際の監視カメラ映像を入力として前述の特徴量と識別器を用いた実験を行った結果,QVGAサイズの映像でリアルタイム動作が可能であることと,通常と異なるシーンが検出されることを確認した.
社団法人電子情報通信学会の論文
2008-06-12