ステレオカメラを用いた歩行者の行動解析.

Slides:



Advertisements
Similar presentations
複数の移動ロボットによる 協調的な行動: 情報共有に基づく お片づけロボットのシステム開発 中京大学大学院 情報科学研究科 可知大資 中谷聡太郎 白井英俊.
Advertisements

高度情報演習 1A “ テーマC ” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 芝浦工業大学 工学部 情報工学科 青木 義満 2006/04/10.
音声翻訳における機械翻訳・音声合成の 性能評価および分析 ☆橋本佳 ,山岸順一 , William Byrne , Simon King ,徳田恵一 名工大 University of Edinburgh Cambridge University
状況に応じたサービスを 提供するための人や物に 共通の情報管理
HOG特徴に基づく 単眼画像からの人体3次元姿勢推定
NFCを利用した登山者間DTNの構築 Building DTN for Climbers by using NFC
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第四回 演習課題 画像中からの物体抽出処理(背景情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/15.
クラスタ分析手法を用いた新しい 侵入検知システムの構築
太陽多波長フレアデータ解析研究会 NSRO-CDAW10 ピーク時のループトップ電波源(2周波)の高さ (統計解析)
Aided Eyes: Eye Activity Sensing for Daily Life
障害物の存在する空間における レンジスキャナを用いた 人流モデル化手法の提案
SSR 論文調査 Safety and Cyber-Physical Systems
神奈川大学大学院工学研究科 電気電子情報工学専攻
異種センサを用いた人の行動検知 研究概要 研究の独自性 isi担当 高汐グループ成果 スライド到着待ち yasu担当.
固有空間における コンピュータシステムの障害検知
ベイズ基準によるHSMM音声合成の評価 ◎橋本佳,南角吉彦,徳田恵一 (名工大).
アンビエント情報社会基盤創成拠点 -アンビエントインタフェース領域-
画像情報を用いた交通流計測 情報工学科 藤吉研究室 EP02076 都築勇司
シミュレーション演習 G. 総合演習 (Mathematica演習) システム創成情報工学科
ステレオカメラを用いた歩行者コンテキストのリアルタイム推定システム
脳活動に関するデータ データの種類 データの特徴 脳波・脳磁図・fMRI画像 脳活動とパフォーマンスの関係はきわめて冗長。
スペクトル・時系列データの前処理方法 ~平滑化 (スムージング) と微分~
高度情報演習1C 実践 画像処理プログラミング
複数尤度を用いた 3次元パーティクルフィルタによる選手の追跡 IS1-39
7. 音声の認識:高度な音響モデル 7.1 実際の音響モデル 7.2 識別的学習 7.3 深層学習.
3D散歩ゲーム 08A2043 谷口盛海 種田研究室.
識別子の命名支援を目的とした動詞-目的語関係の辞書構築
ベイジアンネット混合モデルによる 強化学習エージェントの方策改善
Bottom-UpとTop-Down アプローチの統合による 単眼画像からの人体3次元姿勢推定
ビデオデータベース.
ステレオカメラを用いた人の行動解析.
Songzhu Gao, Tetsuya Takiguchi, Yasuo Ariki (Kobe University) 
音響伝達特性を用いた単一マイクロホンによる話者の頭部方向の推定
高度情報演習1A “テーマC” 実践 画像処理プログラミング 第六回 最終課題 画像処理による動物体自動抽出、モーションキャプチャ
TIME SIGNAL: 集合知を利用した赤信号点灯時間の取得手法
ETPB:歩行者行動コンテクストの抽出 申請学生1: 諸富 賢 総合政策学部3年 申請学生2: 佐藤 文啓 環境情報学部1年
階層的位置表現への 広域化ビュー適用における追尾性向上
高汐 一紀 慶應義塾大学 新しい空間の創出:uPlatea 新しい道具の創出: u-Photo 思考する家具・部材: u-Texture
GPSを使わないBebop Droneの 自動飛行
ロボットの協調動作の研究: マップ作成とマップ情報を利用した行動計画
一方向画像からの 3Dモデル生成 電気電子工学科 白井研究室 T215049 田原 大輝.
業務課題の改善に向けた必要データ コンサルティング
1-Q-9 SVMとCARTの組み合わせによる AdaBoostを用いた音声区間検出
物体検出による視覚補助システム T215085 若松大仁 白井研究室.
ステレオカメラを用いた歩行者の行動解析 ステレオカメラを用いた歩行者の行動解析.
Number of random matrices
Bottom-UpとTop-Down アプローチの組み合わせによる 単眼画像からの人体3次元姿勢推定
クロスバリデーションを用いた ベイズ基準によるHMM音声合成
過学習を考慮した IS1-60 AAMパラメータの選択と回帰分析による 顔・視線方向同時推定 顔・視線同時推定 研究背景
ブースティングとキーワードフィルタリング によるシステム要求検出
ベイズ基準による 隠れセミマルコフモデルに基づく音声合成
ETPB: Extraction of Context from Pedestrians' Behavior
時間連続性を考慮した 動画からの人物の姿勢推定
ステレオカメラを用いた歩行者の行動解析.
1ーQー18 音声特徴量抽出のための音素部分空間統合法の検討
クラスタリングを用いた ベイズ学習モデルを動的に更新する ソフトウェア障害検知手法
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
音響伝達特性を用いた単一チャネル 音源位置推定における特徴量選択の検討
わかりやすいパターン認識 第6章 特徴空間の変換 6.5 KL展開の適用法 〔1〕 KL展開と線形判別法 〔2〕 KL展開と学習パターン数
1-Q-12 Buried Markov Modelを用いた構音障害者の音声認識の検討
視覚補助のための物体検出 白井研究室 T 若松大仁
CSP係数の識別に基づく話者の 頭部方向の推定
ベイジアンネットワークと クラスタリング手法を用いたWeb障害検知システムの開発
グラフ-ベクトル変換を用いたグラフ構造表現による一般物体認識
B2 – ruu B1 – yasukata 親 - amanoma
北大MMCセミナー 第17回 Date:2013年12月16日(月) 16:30~18:00 ※通常とは曜日が異なります
ランダムプロジェクションを用いた音響モデルの線形変換
1.2 言語処理の諸観点 (1)言語処理の利用分野
外れ値検出 Outlier Detection 外れサンプル検出 Outlier Sample Detection
Presentation transcript:

ステレオカメラを用いた歩行者の行動解析

ステレオカメラを用いた歩行者の行動解析 歩行者の物理センシング ・複数人の3 次元空間的な移動検知 ・多人数の群れの人数計測 ステレオカメラシステム Point Grey Research Bumblebee2 歩行者の物理センシング ・複数人の3 次元空間的な移動検知 ・多人数の群れの人数計測 歩行者の行動解析システム 歩行者高次コンテクストのリアルタイム抽出 ・単純行動取得 ・異常行動の推定

プロジェクトのゴール 歩行者・群の異常行動をリアルタイム検知 歩行者行動の可視化 歩行者の異常行動例 群の異常行動例 倒れこむ、長時間うろつく 群の異常行動例 もみあう、一斉に逃げ出す 歩行者行動の可視化

既存研究との差分 ターゲット領域 既存研究との差分は 1.歩行者群に対応した具体的な異常行動の検知 東京大学  マルチセンサを用いた 群集の行動認識 産総研 人およびその動作の自動認識 歩行者単体 歩行者群 ミネソタ大学 Detection of Unusual Crowd Activity ATR: A social robot that anticipates… 異常行動の不検知 既存研究との差分は 1.歩行者群に対応した具体的な異常行動の検知 2.高さ方向を考慮したコンテクストの取得(転ぶ、柵の乗り越えなど)

歩行者行動と群行動の定義 ※本研究では街中を想定した歩行者行動を対象とする ダンスやジェスチャーなどを対象としない d 群になる条件 歩行者個人の行動 群の行動 単純な歩行者個人の行動  ・歩行者個人の移動スピード、移動方向、   位置などから推定可能   (歩く、走る、止まる、うろつくなど) 時間変化を考慮した歩行者個人の行動  ・不審者: 長時間うろうろする 単純な群行動  ・歩行者間や複数歩行者の個人行動の    集積から判断する   (同方向に歩く、全員が止まるなど) 時間変化考慮した群行動  ・群衆の逃走: 複数人が急に走り出す d 群になる条件 Vは歩行者密度 Mは定数 2人以上の歩行者の集まりを群とする ※本研究では街中を想定した歩行者行動を対象とする   ダンスやジェスチャーなどを対象としない

Pedestrian Trajectory 歩行者行動の多段推論機構 前段の処理 Pedestrian Trajectory Data 歩行者単純行動の認識 ・速度、方向(8方向に分類) ・歩く、走る、うろつくなど イベント検知  ・歩行者経路から外れた人の   検知 ・単純行動の変化(走り出すなど) Pedestrian Set = {Ps0, Ps1, … PsN} Psi = <位置, 速度ベクトル, 人数> Primitive Activity Recognition Trajectory Matching Event Detection use these data 後段の処理 Psi = <位置, 速度ベクトル, 人数, Primitive Activity> 具体的な異常状態の推定 Concrete Abnormal Situation Estimation 多段推論の利点 対象を絞った詳細推定が可能  ・監視対象を設定可能  ・多人数が存在する環境でリアルタイムに動作

前段: 単純行動の認識とイベント検知 イベント検知 (例:歩行者経路から外れた歩行者) 歩行者経路の分類結果(3方向に分類) 前段: 単純行動の認識とイベント検知 単純行動の認識(歩く走るなど) イベント検知 (例:歩行者経路から外れた歩行者) 歩行速度と歩行タイプから学習済み SVMにより検知 DP-Matchingで歩行者経路から 外れた行動を検知 (50cmグリット) (k-meansにより歩行経路を事前学習) 監視対象として後段部に詳細推定をディスパッチする 歩行経路による歩行タイプ判別 (5x5 vector) 通りすぎる人 うろつく人 歩行者経路の分類結果(3方向に分類) 実験シーン(屋内実験(取得データ数100) 単純行動の検出精度 10frame/sec

後段: 詳細な異常行動推定 TDBNを利用する理由 1.歩行者・群の異常行動のモデリングに は時系列データを扱う必要がある 後段: 詳細な異常行動推定 TDBNを利用する理由 (時間長をモデル化可能なDBN) 1.歩行者・群の異常行動のモデリングに は時系列データを扱う必要がある 2.記述性の高いモデル記述形式 ・ベイジアンネットワークは視認性 の高いモデル ・単純なHMMよりも記述性が高い 転倒後起き上がってこないシーン t-1秒前 t秒 t+1秒後 t+10秒後 BNでは時系列状態をうまく表現できない DBNでは時間長を表現できない BNの限界 DBNにすると何ができて、何ができないのか TDBNにすると何ができるようになるのか HMMでは何が t-Δt秒前の 状態変数 t秒での t+Δt秒後の t+Δt2秒後の TDBNで表現できる歩行者コンテクストの例 1.長時間うろついている人物を不審人物とする 2.転んだ後、すぐに起き上がってこない人にのみ   助けを呼ぶ 時間変化および時間長を記述可能 長時間倒れこんだ人にのみアラート出すモデル

歩行者行動を可視化し、異常行動検知機構を実装した まとめと今後の課題 歩行者行動を可視化し、異常行動検知機構を実装した 多段推論による監視対象の絞込み TDBNによる具体的な異常行動推定 キャンパス内での検証実験を行った  (データ数200) 次年度の課題 多人数による実験、評価 屋外環境における実験、評価