自転車の快適走行のための下方視点画像からの表情分析

• Item type: SIG Technical Reports(1)
• 公開日: 2024-03-19
• タイトル: 自転車の快適走行のための下方視点画像からの表情分析
• タイトル / 言語: en
• タイトル: Facial Expression Analysis from Downward-view Images for Comfortable Bicycle Riding
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 福岡大学
• 著者所属: 福岡大学
• 著者所属: 京都産業大学
• 著者所属: 福岡大学
• 著者所属: 京都産業大学
• 著者所属: 福岡大学
• 著者所属(英): en
• 著者所属(英): Fukuoka University
• 著者所属(英): en
• 著者所属(英): Fukuoka University
• 著者所属(英): en
• 著者所属(英): Kyoto Sangyo University
• 著者所属(英): en
• 著者所属(英): Fukuoka University
• 著者所属(英): en
• 著者所属(英): Kyoto Sangyo University
• 著者所属(英): en
• 著者所属(英): Fukuoka University
• 著者名: 竹村, 亮輝; 中川, 潤人; 羽倉, 輝; 栗, 達; 河合, 由起子; 小野, 晋太郎
• 著者名(英): Ryouki, Takemur; Hiroto, Nakagawa; Hikaru, Hagura; Da, Li; Yukiko, Kawai; Shintaro, Ono
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 二輪車のようにドライバの正面にカメラを設置できない状況において，下方から撮影したドライバ画像の表情分析手法を提案する．従来の感情分析手法は正面から撮影することを前提とし，画素値を直接に学習するため，下方視点画像に直接適用すると精度が低下する．これに対し本研究では，顔のパーツを抽出し，その位置を特徴量として学習する．顔の特徴量は PFLD により抽出し，67 箇所の座標値としてニューラルネットワークにより学習する．ラベルは「快適である」「快適ない」の 2 値分類とする．本手法の有効性を検証するため，訓練データとテストデータの分割やカメラの設置角度において複数の条件下で従来手法との比較を行った．その結果，訓練データと同一人物で設置角度が 47°のテストを行った場合，本手法の精度が最も高く，F値が 0.9 となった．訓練データと異なる人物では F 値は 0.51 となり，複数人で訓練・テストした場合は F 値は 0.94 となった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We propose a method for facial expression analysis of drivers captured from downward-facing cameras in situations where it is not feasible to install a camera directly facing the driver, such as in two-wheeled vehicles. Conventional emotion analysis methods assume front-facing camera footage and directly apply pixel values for learning, leading to decreased accuracy when applied to downward-view images. In contrast, our study extracts facial features and learns their positions as features. Facial features are extracted using PFLD, yielding 67 coordinate values, which are then trained by a neural network. The labels consist of a binary classification: “comfortable” or “not comfortable.” To validate the effectiveness of this method, we compared it with conventional methods under various conditions such as data partitioning between training and testing and different camera installation angles. Results showed that when testing with the same person as in the training data at a camera angle of 47°, our method achieved the highest accuracy, with an F-score of 0.9. For different individuals in the training data, the F-score was 0.51, and when trained and tested with multiple people, the F-score was 0.94.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11135936
• 書誌情報: 研究報告知能システム（ICS）; 巻 2024-ICS-214, 号 5, p. 1-7, 発行日 2024-03-19
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-885X
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会