セミナーレポート
ロボットに使える最新画像処理技術 ～物体認識のための画像局所特微量～中部大学 藤吉 弘亘
本記事は、画像センシング展2010にて開催された特別招待講演を記事化したものになります。
人の特徴を捉える
ここでもう一度，「人の特徴」を考えてみたいと思います。人の形状特徴として頭のところから肩にかけた「Ω」型や，下半身の連続的なエッジ，頭・肩・胴体それぞれの左右対称性などが挙げられます。残念ながら第2世代のHOG特徴量は，局所領域であるセルにおいて単一のHOG特徴量だけで識別しているので，こういった人の形状特徴を捉えきれていません。そこで自動的に対称性のある領域を捉えたり，連続性を持つ領域を捉えたりすることが，第3世代のアプローチとなります。
図8 人検出と車両検出におけるJoint HOGの効果。DET(Detection Error Tradeoff)による評価。
識別器の構築には，2段階のアダブーストによりJoint HOG特徴量を生成し，学習します。まず検出ウィンドウの画像をセルに区切り，あるセルとあるセルからHOG特徴量を算出します。例えばHOG特徴量の場合，1 つのセルから9方向の特徴量が算出されるので，9次元の特徴量となります。2つのセルから算出したそれぞれ9つの特徴量を使ってアダブーストにより弱識別器を構築します。
図8 人検出と車両検出におけるJoint HOGの効果。DET(Detection Error Tradeoff)による評価。
その後，2段階目のアダブーストを使って，1段階目の強識別器を特徴として本当によい組み合わせを評価して，最終強識別器を構築します。これにより，各弱識別器が2つの領域の特徴を捉えることになります。
＜次ページへ続く＞
中部大学 藤吉 弘亘
1997年，中部大学 大学院博士後期課程修了。1997年～2000年，米カーネギーメロン大学ロボット工学研究所Postdoctoral Fellow。
2000年より中部大学講師。
2004年，同大准教授。2006年，米カーネギーメロン大学ロボット工学研究所客員研究員。
