文献

J-GLOBAL ID：202002261432215450   整理番号：20A1192837

機械学習を用いた危険物検出に関する研究

著者 (2件)： 田島リオ (東京工高専) ,  姜玄浩 (東京工高専)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 463(EMM2019 102-129)(Web)  ページ： 49-51 (WEB ONLY)  発行年： 2020年02月27日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,不特定多数の人が集まる公共の場所での刃物・爆発物を用いたテロや事件が頻発するようになり,テロを未然に防ぐことは,セキュリティ対策の重要な課題となっている.そこで危険物検出の第一歩として,危険物の1種であるナイフに焦点を当て識別を行った.識別に利用できる有用な特徴の調査と機械学習の分類技術で学習データをどれだけ分類できるかを検証し,精度の向上を試みた.LBP(Local Binary Pattern)特徴とHOG(Histogram of Oriented Gradient)特徴の2つの特徴に対し,様々な分類アルゴリズムを用いて機械学習を行った.様々な分類アルゴリズムの中で,HOG特徴を用いた3次SVM(Support Vector Machine)の精度が一番高く89.4%となった.さらなる実験の結果,CNN(Convolutional Neural Network)を用いた学習では,この分野では非常に高い97.7%の精度が得られた.(著者抄録)

シソーラス用語： *危険物 ,  *検出 ,  刃物 ,  安全対策 ,  機械学習 ,  画像特性 ,  アルゴリズム ,  特性 ,  ニューラルネットワーク
準シソーラス用語： HOG特徴量 ,  HoG ,  セキュリティ対策 ,  ナイフ ,  画像特徴 ,  畳込みニューラルネットワーク ,  *物体検出

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (3件)：

• T. Ojala, M. Pietikainen, and D. Harwood, “Performance evaluation of texture measures with classification based on Kullback discrimination of distributions,” Proceedings of 12th International Conference on Pattern Recognition, vol.1, pp. 582-585, 1994.
• N.Dalal, and B. Triggs. “Histograms of oriented gradients for human detection,” IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05), vol. 1, pp. 886-893, June 2005.
• M.Grega, A.Matiolański, P. Guzik, and M. Leszczuk, “Automated detection of firearms and knives in a CCTV Image,” Sensors, vol. 16, no. 1, pp.1-16, Jan. 2016.

タイトルに関連する用語 (3件)： 機械学習 ,  危険物 ,  研究