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。
ウェアラブル技術のemergeと近年普及してきた自己中心的,または一人称ビジョン,はいくつかの識別可能な方法で外心(第三者)ビジョンとは異なる,そのうちの1つはカメラ装着者では,ビデオフレーム中の可視ないのが一般的であることである。最近の研究は,自己中心的ビデオにおける行動と物体認識,第一者ビデオからのバイオメトリック抽出に関する研究について行われてきた。身長推定は両ソフトバイオメトリックスと物体追跡のための有用な特徴である。キャリブレーションまたは参照点のない自己中心的カメラの高さを推定する方法を提案した。最良の高さ推定をもたらすことを視覚的手がかりを決定するために,従来のコンピュータビジョンアプローチと深い学習の両者を使用した。二畳込みニューラルネットワーク,空間情報に基づく,フレームのオプティカルフローにより与えられた情報に基づくものから成る二河川網にヒントを得たフレームワークを提案した。フレームワークへの入力として自己中心的ビデオが与えられた時,提案モデルでは,出力として高さ推定を与えた。後期融合時間的および空間的手がかりの組合せを学習するために,を組み込んだ。著者らのモデルを比較して,ベースラインとして用いられる他の方法と,偶然レベルは33%であったが,103cmのデータの範囲,相対高さ(高,中,短)の分類精度に14.04cmの平均誤差を持つビデオのための高さ推定を達成するため93.75%に達した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】