ステレオカメラを用いた人の行動解析 研究概要 研究の独自性 差分ステレオ技術を用いて、人の３次元空間的な移動を検知し、不 審者や不隠状況を抽出する． ・ 複数歩行者の３次元運動計測データから歩行者、グループ行動、 異常な行動を抽出 ・ TDBN （Time Dynamic Bayesian Net） の導入 － 過去の３次元運動計測データ（時系列）を考慮したベイズ推論 ・ 多段推論機構の導入 － 前段：歩行者行動の自動生成と異常検知 － 後段：異常状態の詳細推定 差分ステレオによる3次元運動計測は、従来の2次元計測と異なり、子供と大人の行 動分類や転倒など高さ方向のデータを必要とする行動解析が可能である。 さらに、我々のシステムは、リアルタイムの3次元運動計測データ解析を実現してい る。時間経過に伴うコンテクストの変化を考慮することで、より正確なコンテスト抽出を 可能としている。歩行者がしゃがみ込んだ場合、休憩を取っているのか、転倒してい るのかある時間の状態から得られたデータだけで判別することは難しい。 実験データ計測 異なる高さによるデータ計測 コンテキスト抽出のフロー 入力データ 前段：イベント抽出 DP Matching (k-means method) による異常行動パターン検出 t -2秒 t -Δt秒 t秒 t +Δt秒 歩行者(群)3次元運動データ 3次元座標を例に考えると、歩行者が転んだ 場合は、歩行速度が急に低下し、歩行者の 高さ（z座標値）も急に小さくなると考えられる • 速度ベクトル類似性 • 3次元座標値 • 距離データ平均 • ベクトル挟角平均，等 後段：TDBN実時間推論 検出されたイベントに対応したコンテキス トを推定する 目線高（1mの位置） 自動販売機上（2mの位置） イベント抽出 ステレオカメラデータを距離や時間をトリガ として任意の時間で区切ったデータである TDBN ： Time Dynamic Bayesian Net 過去の3次元運動計測データ（時系列）を考慮したベイズ推論 転倒のシーン（5mの位置） モデルに記述された時間情報に応 じてノードに変数（歩行者の状態） をセットしてベイズ推論を実行する t-Δt秒前の 状態変数 t秒での 状態変数 t+Δt秒後の 状態変数 座るシーン（5mの位置） 今年度の成果 ・ キャンパス規模での実験データ の蓄積と解析ツールの整備 適応例：転倒の検出 ・ 群行動コンテクストに対応 － 偶発的な群れ、仲間同士の群れを識別 ・ 過去の運動解析データを考慮した推論機構の導入 t-1秒前 t秒 t+1秒後 － 異常検知直前の行動時系列データを推論に利用 ETPB データビューワ
© Copyright 2024 ExpyDoc
