Detecting Anomalous Human Interactions using Laser Range-finders 2004/05/31 ide 論文紹介出展  IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2004 著者   Anand Panangadan, Maja Mataric, Gaurav Sukhatme University of Southern California この論文を選んだ理由異常検知という共通点利用している手法が参考になったから身近なものを感じたから   位置情報行動パターン（コンテキスト？）アウトライン概要関連研究と差分手法実験と評価概要 Laser Range-finder（距離画像を取得できる）を使って人の動きから異常を検知   人の識別は無し人の動きを自動クラスタリング（モデル化）  activityとして定義  interactionを検出  ２人以上がactivityの期間ずっと一緒にいる場合  activityとinteractionから異常を検知システムの全体像関連研究１行動のモデル化（分野全般）    例：hand gesture 複雑なactivityは複数の簡単なactivityから構成される手法として確率的手法やベイジアンネット，隠れマルコフモデルなどが用いられている関連研究２ interactionを検知する研究は主に映像を使って行われている   屋外での人の出会い駐車スペースで車からの乗降予め定義されたaction(lower level activity)が存在する関連研究３既存のLaser range-finderを使って行動をモデル化する研究    対象は屋内レベルや都市レベル timescaleによって位置の粒度を変えて表現する研究 interactionには注目していない Contribution Laser range-finderを用いたinteractionを含む行動のモデル化予めactionの定義を必要としない  actionの自動定義 Laser Tracking 中庭の角に２つLaser Range-finderを設置抽出するパラメータ  位置（XY座標系）に変換  Mesh Relaxationという手法を用いる  移動（局座標系）を算出  １ステップ前の位置との差分から移動のモデル化９種類の移動（右図）   一定以上の速度は無視 primitiveな単位初期値：  移動の集合移動パターンの分類仮定：  異なるactivityは異なる確率セットを持つ →確率セットが類似した部分集合に分類分類手法  Jensen-Shannon divergenceを用いる  分布類似度の尺度として用いられる値分類に用いる条件ある連続した移動におけるd(i)のカウントある連続した移動におけるd(i)の確率重み付き平均分布エントロピー Jansen-Shannon divergence 算出式   p1,p2が完全に同じ分布であれば０それ以外の場合は正の値  値が低ければ類似性が高い分類する値の決定 Jansen-Shannon divergenceが最大になる点で移動の集合を２つに分割  最も類似しない２つの集合に分割 Detecting interactions 2m以内で，同じ移動軌跡であれば interactionと判断  同研究室の以前の研究（室内）では， entropy-basedでinteractionを検出していたが，屋外ではこの方法が優れていると判断 Detecting Anomalous Activities activity,interactionの起きる周期を学習   両者の生起分布はポアソン分布と仮定 intervalがある閾値を下回ると異常類似する軌跡の判断  曲線による多点間の補完  ３次スプライン曲線  ２０点をサンプリングし，それぞれの点の距離の差を合計し類似度を算出実験 Campusのcourtyardでの実験結果結論人の急激な増加を異常として検知した会話という行動が別の場所で行われた場合に同じ行動として識別できなかった読んで感じたことデバイスの制約  分野の違い？参考にしたい部分  類似度を測るところ  数値データのクラスタリング  もう一つくらい調べる・・・？  確率を用いるところ  異常度合い？の表現