2024-03-29T20:09:09Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:001591842024-03-29T05:26:34Z01164:04619:08450:08687
行動の一部に見られる特徴に着目する歩行者グループ検出jpn卒論スポットライトセッションhttp://id.nii.ac.jp/1001/00159150/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=159184&item_no=1&attribute_id=1&file_no=1Copyright (c) 2016 by the Information Processing Society of Japan近畿大学大学院総合理工学研究科近畿大学理工学部大阪大学産業科学研究所青山学院大学理工学部佐藤, 僚太波部, 斉満上, 育久鷲見, 和彦公共空間内を往来する歩行者の属性や行動目的などを推定する技術は,施設の利用状況を自動的に観測し,各人物に最適な情報提供を行う情報環境の構築に貢献できる.その際には,どの人物同士が共に行動しているのかを推定し,歩行者をグループとして扱う技術が求められる.歩行者のグループを検出するには,2 人の歩行者間の歩行軌跡や注意の向きの関係を手がかりとする手法が多く用いられる.これらの手法は,観測データ全体から特徴量を抽出して識別しており,歩行者グループは常にグループらしい動きをすること前提としている.しかし,実空間での歩行者グループは各個人の興味の対象の違いや障害物を回避する道筋の違いなどから常にグループらしい行動をする訳ではない.これによって,これまでの手法ではグループ検出が困難となる事例が見られる.本研究では,歩行データの時系列分割とマルチプル・インスタンス・ラーニング (MIL) によって,行動中の短時間に存在するグループらしい振る舞いを検出する手法を提案する.提案手法では,歩行データを時系列分割し,各時間区間の特徴量を MIL を用いて別々に識別する.MIL は教師あり学習の一種であり,複数の要素データの集合であるバッグ内に,少なくとも 1 つの正の要素データがあるかどうかを識別する.上記の時系列分割によって,一部の時間区間にグループらしい特徴があればそれを検出することができる.実験では,グループ動作を模擬したデータを利用し,提案手法の有効性を確認した.AA11131797研究報告コンピュータビジョンとイメージメディア(CVIM)2016-CVIM-20239182016-05-052188-87012016-04-22