構造情報に基づく特徴量を用いた グラフマッチングによる物体識別 情報工学科 藤吉研究室 　EP02086　永橋知行.

Presentation on theme: "構造情報に基づく特徴量を用いた グラフマッチングによる物体識別 情報工学科 藤吉研究室 　EP02086　永橋知行."— Presentation transcript:

1 構造情報に基づく特徴量を用いた グラフマッチングによる物体識別 情報工学科 藤吉研究室 　EP02086　永橋知行

2 背景 屋外環境における移動体識別 不確定要素に不変な特徴量 → 検出領域全体から得られる大局的な特徴量 照明条件の変化 物体の見え方の変化
物体形状を用いた特徴量 テクスチャ情報を用いた特徴量 時間軸情報を用いた特徴量 → 検出領域全体から得られる大局的な特徴量

3 目的 物体構造に基づく特徴量の提案 物体を構成する各構造ごとの特徴量の抽出 グラフマッチングによる識別 構造間の情報を考慮したマッチング

4 手順 Step1. 物体領域への混合正規分布の当てはめ Step2. ピクセルのクラスタリング Step3. 物体構造モデルからの特徴量抽出

5 混合正規分布 混合正規分布モデル 複数の正規分布の重み付き線形結合で表した確率分布モデル

6 混合正規分布による物体構造の表現法 物体画像の座標 と輝度 の3次元に対し 混合正規分布を当てはめ
物体画像の座標 と輝度 の3次元に対し 混合正規分布を当てはめ 混合正規分布を画像平面　　　　　へ投影し， 物体構造モデルを作成 DAEMアルゴリズムにより混合正規分布パラメータを推定

7 混合正規分布のパラメータ推定

8 混合正規分布の当てはめ結果 人複数 二輪車 自動車 人

9 ピクセルのクラスタリング 物体領域のピクセル単位でのクラスタリング 混合正規分布パラメータを使用 → 各領域のエッジ強度を抽出可能

10 物体構造に基づく特徴量 物体構造モデルから得られる特徴量 正規分布の傾き 正規分布の縦横比 x方向エッジ y方向エッジ 左上がりエッジ
右上がりエッジ

11 グラフによる特徴量の表現 グラフ 頂点（ノード）と辺（アーク）により構成 物体構造モデルから得られる特徴量をグラフを用いて表現

12 グラフマッチングによる識別 グラフ と 間のマッチングコストを計算
グラフ　　と　　間のマッチングコストを計算 各クラス毎のテンプレートグラフとのマッチングコストを 計算し，kNN法で識別

13 物体構造に基づく特徴量の評価実験 人，人複数，二輪車，自動車の4クラスへ識別 各クラス学習画像200枚，評価画像200枚
物体構造に基づいた特徴量と，領域全体から得られる 特徴量を比較

14 識別実験結果 領域全体から得られる特徴量での識別結果 物体構造に基づく特徴量での識別結果 → 識別率が3.4%向上

15 構造情報を用いることにより成功した例 全体から得られる特徴量を用いた場合 物体構造に基づく特徴量を用いた場合 → 人と誤識別
二輪車 人 → 二輪車と識別

16 特徴量を併用した識別実験結果 領域全体から得られる特徴量での識別結果 2つの特徴量を併用した識別結果 → 識別率が6.2%向上

17 まとめ 構造情報に基づく特徴量 物体構造に基づいたグラフマッチングによる物体識別 今後の予定 混合正規分布を用いた物体構造に基づく特徴量抽出
グラフを用いた特徴量の表現 物体構造に基づいたグラフマッチングによる物体識別 全体から得られる特徴量と組み合わせることにより 識別率が6.2%向上 今後の予定 識別能力の向上

18

19

20

21

22

23 背景除去 フレーム間差分結果はノイズを含む グラフカットによるセグメンテーション [Y. Boykov ICCV2001]
物体構造を正確に捉えることが困難 グラフカットによるセグメンテーション [Y. Boykov ICCV2001] 画像からグラフを作成し，最小カットを求めることにより 物体と背景を分割 物体，背景の seed (ヒント)が必要

24 グラフカットによる背景除去 移動体検出結果を矩形で切り出す
矩形の周囲をbackground seed， 座標と輝度値で階層的クラスタリングを行い各クラスの重心をobject seedとして与える グラフを作成し，最小カットを求める object seed background seed

25 EMアルゴリズム 初期値 　　　　を設定 (Eステップ)　期待値の計算 (Mステップ)　最大化 パラメータが収束しなければ として2. へ

26 DAEMアルゴリズム DAEMアルゴリズム [上田 信学論1997] 温度パラメータβを導入した を用いる 尤度空間を平滑化
温度パラメータβを導入した　　　　　　　　　を用いる 尤度空間を平滑化 初期値の依存性が低い

27 ＥＭでの初期値依存性 → 初期値依存性が高い

28 ＤＡＥＭでの初期値依存性