@techreport{oai:ipsj.ixsq.nii.ac.jp:00052802,
 author = {市村, 直幸 and Naoyuki, Ichimura},
 issue = {66(2001-CVIM-128)},
 month = {Jul},
 note = {時系列画像上での特徴点追跡により得られる運動軌跡には，観測ノイズと共に，誤対応に伴う外れ値が含まれる．この観測ノイズと外れ値の影響軽減のため，状態空間モデルを用いた時系列フィルタリングを用いる．適切な状態推定を行うためには，状態推定を司る時変な超パラメータを特徴点の運動に応じてオンライン推定する必要がある．本論文ではその推定のために，特徴点の座標と共に超パラメータを状態に含め同時推定する自己組織化型状態空間モデルを用いる．状態推定には逐次モンテカルロ法を適用するため，非線形なモデルの線形近似は必要としない．人工データおよび実データを用いた実験結果から，提案したフィルタの有効性を検討した．, Observation noise and outliers are normally contained in motion trajectories obtained by tracking feature points in image sequences.A stochastic filtering based on state space model is used to reduce the effect of observation noise and outliers. To carry out proper state estimation, time-dependent hyper-parameters governing state estimation should be determined in accordance with motion of feature point. A self-organizing state space model is introduced to estimate hyper-parameters. In the self-organizing state space model, feature coordinates and hyper-parameters are included in state vector and they are estimated simultaneously online. Since Monte Carlo filter is used for state estimation, linear approximation for nonlinear model is not needed. Experiments are done to consider the usefulness of the proposed filter.},
 title = {自己組織化型状態空間モデルを用いた運動軌跡のフィルタリング},
 year = {2001}
}