抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
著者らは以前に監視カメラ映像のコンピュータによる自動監視を目的とし,多数の人物の大局的な流れに着目して異常事態の検出手法を提案した。本論文では,静止している人物を含む多数の人物の行動パターンを学習・認識し,非日常状態を検出する手法について述べた。本手法では予め学習用データのHOG(Histograms of Oriented Gradients)特徴量をSVM(Support Vector Machine)に学習させておく。入力画像に動的背景差分を適用して抽出した前景領域の全画素の座標を中心とする24×48画素の注目領域からHOG特徴量を求め,SVMで識別を行うと同一人物を重複して検出する。そこで,入力画像と同じ大きさの二値画像を用いて膨張/収縮処理,ラベリング処理を施すことで個々の人物の位置情報を各時刻で抽出した。また,入力画像を20×20画素のブロックに分割し,各ブロック内の人数から時刻tの映像中の人物の位置情報を表す特徴ベクトルV
t,及びV
tの系列である動作情報列を生成した。特に,1)人物が視野内に現れて視野外に去っていくパターン,2)視野内の人数が変化するパターンの抽出を試み,動的計画法を用いた行動パターンの比較に基づき同じ行動パターンの観測確率が低ければ,非日常状態と認識することで認識成功率94.7%が得られた。