ボリュームデータの細線化とグラフマッチングを用いた事例ベース人体姿勢推定

• Item type: SIG Technical Reports(1)
• 公開日: 2006-05-18
• タイトル: ボリュームデータの細線化とグラフマッチングを用いた事例ベース人体姿勢推定
• タイトル / 言語: en
• タイトル: Example Based Approach for Human Pose Estimation using Volume Data and Graph Matching
• 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: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Osaka University
• 著者名: 田中, 秀典; 中澤, 篤志; 町田, 貴史; 竹村, 治雄
• 著者名(英): Hidenori, TANAKA; Atsushi, NAKAZAWA; Takashi, MACHIDA; Haruo, TAKEMURA
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 特殊なマーカや計測装置の装着を必要としないビジョンベースの人体姿勢推定（モーションキャプチャ）手法が数多く研究されている。しかし、これまで複数カメラを用いた研究において人体部位の接合等によるトポロジ変化に対応できる手法はほとんど提案されていなかった。我々はこの問題に対し、入力された人体形状データをグラフに変換し、あらかじめ用意したデータベースと比較することで、入力形状データの人体部位対応問題を解決し、安定的に姿勢推定を行う手法を提案する。まず、複数のカメラから人の動きを撮影し、視体積交差法によってボリュームデータを求め、トポロジや連結関係を維持しながら細線化処理を行う。次に、得られた線図形（スケルトン）の各部分と人体部位とを対応づけるために、スケルトンを属性付きグラフで表現し、あらかじめ用意したモデルグラフデータベース（MGDB）内のグラフと対応づける。MGDB には、人体の取りうるさまざまなトポロジの事例がグラフ化されて収められており、グラフの各ノードと人体の部位があらかじめ対応付けられているため、これらとグラフマッチングを行うことで入力スケルトンの人体部位を推定できる。得られた部位情報からスケルトンを適切に多関節に近似することで、人体の関節位置および角度を得ることができる。8 台のカメラで人体を撮影し動作実験を行い、従来手法では困難だった体のトポロジが変化する姿勢に対しても、本手法が正しく推定を行うことが確認できた。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a novel marker free motion capture method by using volume data. A volume data is reconstructed from multiple camera views at each frame through visual hull based method. Then, the thinness process is performed to idenfity the structure of the volume. Here, we can get the model skeleton graph in which a body and limbs are expressed as the nodes, and links expresses the connectivity between them. We compare the acquired graph and the graphs in the Model Graph Database (MGDB) and find the most similar one. The MGDB contains the example graphs which express the human body postures. Because the nodes of the MGDB graph are labeled according to the body portions, we can know the portions of input graph (skeleton) from the graph matching result. Finally we fit the skeleton and human body portions’ model by using the identification results of the body portions. The experiment result shows the validity our approach.
• 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: AA11131797
• 書誌情報: 情報処理学会研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2006, 号 51(2006-CVIM-154), p. 131-136, 発行日 2006-05-18
• 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