異種センサを用いた人の行動検知 研究概要 研究の独自性 isi担当 高汐グループ成果 スライド到着待ち yasu担当 ステレオカメラを用いた人の行動解析 研究概要 ステレオ画像解析による高次歩行者コンテクストの実時間解析 - 複数歩行者の3次元運動計測データから歩行者行動、 グループ行動、不穏な空気を抽出 - TDBN (Timed Dynamic Bayesian Net.) の導入 ・過去の3次元運動計測データ(時系列データ)を考慮したベイズ 推論 - 多段推論機構の導入 前段：歩行者行動モデルの自動生成と異常検知 後段：異常状態の詳細推定 研究の独自性 ・ 低設置コスト、低インストールコスト - 単体ステレオカメラから推論 ・ 3次元運動計測データに基づいた人（群）行動抽出 - 子供と大人の行動分類や転倒など高さ方向のデータが必要 な行動解析に適用可能 - 従来は2次元座標値のみから抽出 ・ 個人行動だけでなく人群としての行動抽出 ・ 過去の運動計測データを考慮した行動モデル ・ 監視対象人物（群）の選定と行動解析の2段推論 3次元運動データ出力 差分ステレオの基本アルゴリズム Stereo Camera’s frame Stereo camera system data 14 frame / sec sliding window Camera 前段：イベント抽出 7 （※ 後から送られてくるスライドに変更） 6 5 4 3 Turn right 後段：TDBN 実時間推論 Distance from camera (m) 歩行者（群）3次元運動データ • 3次元速度 •速度ベクトル類似性 • 距離データ平均 • ベクトル挟角平均，等 2 1 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 -1 Time (sec) x y z ステレオカメラを用いた人の行動解析 研究概要 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行動、 グループ行動、不穏な空気を抽出 - TDBN (Timed Dynamic Bayesian Net.) の導入 ・過去の3次元運動計測データ(時系列データ)を考慮したベイズ 推論 - 多段推論機構の導入 前段：歩行者行動モデルの自動生成と異常検知 後段：異常状態の詳細推定 研究の独自性 ・ 低設置コスト、低インストールコスト - 単体ステレオカメラから推論 ・ 3次元運動計測データに基づいた人（群）行動抽出 - 子供と大人の行動分類や転倒など高さ方向のデータが必要 な行動解析に適用可能 - 従来は2次元座標値のみから抽出 ・ 個人行動だけでなく人群としての行動抽出 ・ 過去の運動計測データを考慮した行動モデル ・ 監視対象人物（群）の選定と行動解析の2段推論 3次元運動データ出力 差分ステレオの基本アルゴリズム Stereo Camera’s frame Stereo camera system data 14 frame / sec sliding window Camera 前段：イベント抽出 7 （※ 後から送られてくるスライドに変更） 6 5 4 3 Turn right 後段：TDBN 実時間推論 Distance from camera (m) 歩行者（群）3次元運動データ • 3次元速度 •速度ベクトル類似性 • 距離データ平均 • ベクトル挟角平均，等 2 1 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 -1 Time (sec) x y z 秒 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。 人物の3次元運動計測 コンテキスト抽出のフロー 時系列ステレオカメラデータ t -1秒 t秒 t +1秒 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 歩行者(群)3次元運動データ • 速度ベクトル類似性 • 距離データ平均 • ベクトル挟角平均，等 今年度の成果 後段：TDBN 実時間推論 ① 人物の3次 元位置，幅，高 さを時系列で 計測 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 モ デルに記述された 時間 情報に応じてノードに変数 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 適応例：転倒の検出 t-1秒前 t秒 t+1秒後 ② 影の除去に 成功
© Copyright 2024 ExpyDoc
