@techreport{oai:ipsj.ixsq.nii.ac.jp:00233911,
 author = {乙戸, 慎太郎 and 森野, 博章 and Shintaro, Otsudo and Hiroaki, Morino},
 issue = {44},
 month = {May},
 note = {屋内で開催されるイベントなどにおいて，人物がどのような経路をたどって移動したのか分析することができればそれぞれのブースの適切な配置設計に応用することができ，有効である．しかし，個々の人物の移動経路の分析は従来ではカメラを用いたものが一般的であるが，プライバシー保護の観点から個人が特定されないようにするための処理を施す必要がある．そのような問題を解決する技術として，LiDAR を用いた人物の移動経路の追跡に着目した．本研究では，軌跡が十分に得られない状況下で人物が移動した経路を推定するために，点群データから同一人物を識別するための特徴量および分類判定手法について基礎検討を行う．分類判定手法については，人物の点群データから抽出した身体の形状に関する特徴量を特徴量ベクトルとし，その特徴量ベクトル間のマンハッタン距離を類似度として，同一人物の識別を行う教師なし学習を検討した．適合率が 0.56，再現率が 0.41 となった．抽出した人物の点群から，十分なノイズ除去を行うことが課題として挙げられた．, At indoor events, it is useful to be able to analyze the paths taken by people in order to design appropriate booth layouts. However, the analysis of the movement paths of individual persons has generally been performed using cameras, but from the standpoint of privacy protection, it is necessary to perform processing to prevent the identification of individuals. As a technology to solve such problems, we focused on the tracking of a person's movement path using LiDAR. In order to estimate the path taken by a person in a situation where the trajectory is not sufficiently available, this study presents a basic study of features and a classification decision method for identifying the same person from point cloud data. For the classification decision method, unsupervised learning was examined, in which features extracted from point cloud data of a person are used as feature vectors, and the Manhattan distance between the feature vectors is used as the similarity to identify the same person. The precision and recall rates were 0.56 and 0.41, respectively. The challenge is to achieve sufficient noise reduction from the extracted point cloud of persons.},
 title = {身体形状の特徴に着目した3次元点群データによる人物再同定の基礎検討},
 year = {2024}
}