文献

J-GLOBAL ID：201702290172858475   整理番号：17A0504056

行動の一部に見られる特徴に着目する歩行者グループ検出

著者 (6件)： 佐藤僚太 (近畿大学大学院総合理工学研究科) ,  波部斉 (近畿大学理工学部) ,  満上育久 (大阪大学産業科学研究所) ,  佐竹聡 (国際電気通信基礎技術研究所知能ロボティクス研究所) ,  鷲見和彦 (青山学院大学理工学部) ,  八木康史 (大阪大学産業科学研究所)
資料名： 知能と情報(Web)  (日本知能情報ファジィ学会誌(Web))
巻： 28  号： 6  ページ： 920-931(J-STAGE)  発行年： 2016年 
JST資料番号： U0688A  ISSN： 1881-7203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 公共空間内を往来する歩行者の属性や行動目的などを推定する技術は,施設の利用状況を自動的に観測し,各人物に最適な情報提供を行う情報環境の構築に貢献できる.その際には,どの人物同士が共に行動しているのかを推定し,歩行者をグループとして扱う技術が求められる.歩行者のグループを検出するには,2人の歩行者間の歩行軌跡や注意の向きの関係を手がかりとする手法が多く用いられる.これらの手法は,観測データ全体から特徴量を抽出して識別しており,歩行者グループは常にグループらしい動きをすること前提としている.しかし,実空間での歩行者グループは各個人の興味の対象の違いや障害物を回避する道筋の違いなどから常にグループらしい行動をする訳ではない.これによって,これまでの手法ではグループ検出が困難となる事例が見られる.本研究では,歩行データの時系列分割とマルチプル・インスタンス・ラーニング(MIL)によって,行動中の短時間に存在するグループらしい振る舞いを検出する手法を提案する.提案手法では,歩行データを時系列分割し,各時間区間の特徴量をMILを用いて別々に識別する.MILは教師あり学習の一種であり,複数の要素データの集合であるバッグ内に,少なくとも1つの正の要素データがあるかどうかを識別する.上記の時系列分割によって,時間区間の一部にグループらしい特徴があればそれを検出することができる.実験では,グループ動作を模擬したデータと,実際のショッピングモールで取得したデータを利用し,提案手法の有効性を確認した.(著者抄録)

シソーラス用語： *歩行者 ,  *検出 ,  *空間 ,  情報 ,  *特徴抽出 ,  集団 ,  行動 ,  状態 ,  *自動監視 ,  注意 ,  手がかり ,  障害物回避 ,  歩行 ,  ショッピングモール ,  *教師つき学習 ,  データ解析 ,  分割 ,  型 ,  *公共空間 ,  特徴量 ,  *歩行者検出 ,  歩行パターン
準シソーラス用語： グループ行動 ,  特徴量抽出 ,  利用状況 ,  *マルチプルインスタンスラーニング ,  時系列分割

著者キーワード (10件)： 人物行動解析 ,  グループ行動解析 ,  レンジセンサ ,  機械学習 ,  特徴抽出 ,  HumanAction Analysis ,  Group Action Analysis ,  Range Sensor ,  Machine Learning ,  Feature Extraction

分類 (1件)： 人間機械系  (IB03000G)

引用文献 (15件)：

• [1]Amores, J., Multiple Instance Classification : Review, Taxonomy and Comparative Study, Artificial Intelligence, Vol.201, pp.81-105, 2013.
• [2]Brscic, D., Kanda, T., Ikeda, T., and Miyashita, T., Person Tracking in Large Public Spaces using 3D Range Sensors, IEEE Transaction on Human-Machine Systems,2013.
• [3]Chamveha, I., Sugano, Y., Sato, Y., and Sugimoto, A., Social Group Discovery from Surveillance Videos : A Data-Driven Approach with Attention-Based Cues, BMVC, 2013.
• [4]Cristani, M., Bazzani, L., Paggetti, G., Fossati, A., Tosato, D., Bue, A., Menegaz, G., and Murino, V., Social Interaction Discovery by Statistical Analysis of F-formations, BMVC, 2011.
• [5]Doran, G., and Ray, S., A Theoreticaland Empirical Analysisof Support Vector Machine Methodsfor Multiple-Instance Classification, Machine Learning, Vol.97, pp.79-102, 2014.

タイトルに関連する用語 (4件)： 行動 ,  着目 ,  歩行者 ,  グループ