- 著者
-
永橋 知行
藤吉 弘亘
金出 武雄
- 出版者
- 一般社団法人情報処理学会
- 雑誌
- 情報処理学会研究報告コンピュータビジョンとイメージメディア(CVIM) (ISSN:09196072)
- 巻号頁・発行日
- vol.2006, no.51, pp.69-74, 2006-05-18
従来、物体識別には形状やテクスチャ情報に基づく特徴が識別器への入力として用いられている。これらの入力特徴は、物体領域全体を大局的に捉えたものであり、その物体の構造情報は用いられていない。そこで、本稿では混合正規分布モデルを用いて記述した物体の構造パターンに基づく識別法を提案する。本手法は、検出された物体領域に混合正規分布モデルを当てはめ領域分割を行う。分割後の各領域から求めたテクスチャと形状に基づく特徴量をノード、2つの正規分布間の距離をエッジとするグラフを作成する。各クラスの参照グラフと入力グラフとの距離を算出し、kNN法を用いて移動体を自動車/人/複数の人/二輪車に識別する。評価実験の結果、全体から得られる特徴量に構造情報を加えることで、識別率を向上させることができた。Current feature-based object type classification methods use texture and shape based information derived from image patches. Generally, input features such as aspect ratio are derived from some rough characteristics of the entire object. However, we derive input features from parts-based representation of the object. In this paper, we propose a method to distinguish object types using structure-based features described by a mixture of Gaussian distribution. Our approach uses the Gaussian fitting onto object image to segment into several sub-regions, each of which is related to a physical part of the object. We model the object as a graph, where the nodes contain texture and shape information obtained from the corresponding segmented regions, and the edges contain the distance information between two connected regions. Calculating the distance of the reference graph and the input graph, we can classify an object into single-human/human-group/vehicle/bike using k-NN based classifier. We demonstrate that we can obtain higher classification performance when we use both conventional features and structure-based features compared to using only conventional features or only structure-based features.