人物認識のためのHOGをベースとした低次元特徴量の検討

• Item type: Symposium(1)
• 公開日: 2018-08-22
• タイトル: 人物認識のためのHOGをベースとした低次元特徴量の検討
• タイトル / 言語: en
• タイトル: Considering low-dimension features based HOG for Human Recognition
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者名: 高橋, 秀和; 佐藤, 真平; 高橋, 篤司
• 著者名(英): Hidekazu, Takahashi; Shimpei, Sato; Atsushi, Takahashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 機械学習を用いた人物認識において，高い認識精度を実現できる特徴の一つに HOG がある．HOG は，画像の輝度の勾配方向と勾配強度の関係をヒストグラムで表現する．画像から抽出した HOG は高次元であり，人物認識システムの HW 実装に伴うメモリ量の削減が課題となる．本研究では，従来の HOG で用いる輝度の勾配方向の中から，認識に有効な勾配方向を選んでヒストグラム化し，さらに二値化処理を施すことで得られる低次元特徴量を提案する．各特徴量の出現頻度が高まり，認識への貢献が増すと考えられる．また，特徴量の格納に伴うメモリ量は，従来の HOG を用いた場合と比較して約 99% 削減される．実験では，提案手法を用いてどの程度の認識精度が得られるか検証する．ヒストグラム化する勾配方向の選び方は複数パタン実験する．その結果，いくつかのパタンでは，従来の HOG を用いた場合と比較して最大 4.3 ポイントの認識精度向上が見られる．メモリ量削減と高い認識精度が同時に実現可能であると結論付けられる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In human recognition using machine learning, HOG is one of the features that can achieve high recognition accuracy. HOG expresses the relationship between the gradient directions and the gradient strength of the luminance of the image with histograms. The features extracted from the image has a high dimension, and reduction of the memory amount accompanying HW implementation of the person recognition system becomes a problem. In this research, we propose the lower dimensional features which are obtained by selecting gradient directions effective for recognition from the gradient directions used in the conventional HOG, converting it into histograms, and then binarizing it. The frequency of appearance of each feature, and the contribution to recognition increases. In addition, we can reduce the amount of memory associated with the storage of the features by 99% compared with the case of using the conventional HOG. In the experiment, we verify how much recognition accuracy can be obtained by using the proposed features. Selection of the gradient directions to form histograms was done in multiple pattern experiments. As a result, in some patterns, we obtained recognition accuracy equal to or higher than that obtained by using a conventional HOG. We conclude that high recognition accuracy and memory reduction can be realized at the same time.
• 書誌情報: DAシンポジウム2018論文集; 巻 2018, p. 45-50, 発行日 2018-08-22
• 出版者 / 言語: ja
• 出版者: 情報処理学会