著者

緒方 健人 ウィリアム クリスマス ジョセフ キットラー ジュークイ タン 石川 聖二

出版者

一般社団法人情報処理学会

雑誌

情報処理学会論文誌 (ISSN:18827764)

巻号頁・発行日

vol.48, no.3, pp.1166-1175, 2007-03-15

被引用文献数

2

---

本論文では,Efros ら(2003) のモーションディスクリプタおよびKe ら(2005) のイベント検出器の組合せに基づく動作検出手法を提案する.両手法の直接の組合せは,AdaBoost の学習アルゴリズムとKe らの弱識別器の特性によって動作検出器の学習の計算時間が増大するという問題がある.よって,本研究ではこの問題を解決するため弱識別器の次元を拡張した改良型組合せ手法を提案する.また,さらなる高速化のため,学習にLook Up Table を導入する.実験では,実際の放送に用いられたテニスの映像に提案手法を適用し各種ストロークの検出を試みた.性能を評価するため,Efrosらの手法,Ke らの手法および直接の組合せ手法も適用し結果を比較した.実験結果より,提案する組合せ手法は認識率および計算時間の両面で元となった手法の良い特性をあわせ持つこと,また改良型組合せ手法は直接の組合せによる検出器とほぼ同じ性能でありながら,LUT との併用により学習に要する計算時間を大幅に削減できることが確認できた.A new, combined human activity detection method is proposed. Our method is based on Efros, et al.'s (2003) motion descriptors and Ke, et al.'s (2005) event detectors. Since both methods use optical flow, it is easy to combine them. However, the computational cost of the training increases considerably because of the increased number of weak classifiers. We reduce this computational cost by extending Ke, et al.'s weak classifiers to incorporate multi-dimensional features. We also introduce a Look Up Table for further high-speed computation. The proposed method is applied to off-air tennis video data, and its performance is evaluated by comparison with the original two methods. Experimental results show that the performance of the proposed method is a good compromise in terms of detection rate and computation time of testing and training.