ペイジアンネットを導入したベイズ推定法による幼児の行動認識精度の改善超音波センサとカメラ画像による実験評価

摘要

近年のセンサ技術の向上によって，人間の日常生活行動を観測することが可能になりつつある.観測データの理解のためには，センサから取得したセンサデータと行動とを結びつける必要がある.センサデータと行動を結びつけるために，観測された時系列セシサデータの各々に対して観測したときにどのような行動を取っていたかをラベリングすることを考える.しかし，長時間の観測データに対して，ラベルを手作業で割り当てることは困難なため，動画データを利用した学習によって行動認識を行い，ラベリングを自動で行うことを考える.ベイズ推定をラベリングシステムの枠組みとして導入し，動画像データに加えて，同時計測された超音波センサのデータから得られる位置情報を事前知識として与えるものとした.ここでは.画像を使用した行動認識によるラベルからの情報を尤度関数とし，センサデータから構築したペイジアンネットワークから得られる情報を事前分布として，行動ラベルの推定を行う.特徴抽出の違いを比較するため，特徴量としては，HLAC（High order Local Auto-Correlate），SIFT（Scale Invariant Fbature Trabceform），3D SIFT（3Dimensional SIFT）の3つの手法を使用する.それぞれの特徴抽出を基に構築した尤度関数と事前分布を組み合わせて行動ラベルの識別率の比較を行う.比較を行った結果，SIFTを使用した場合が最も良い識別率を与えることがわかった.%The purpose of this study is to prevent accident in infants. Therefore, we consider analysis the action of the behavior in the everyday life from several types of sensors. Conventional action recognition has been done only from the image. WWe propose applying additional information, which we treat as the prior distribution in the meaning of the Bayes inference, observed from the supersonic sensors. Prior distribution use Bayesian network formulation in the observation data. Likelihood function calculates maximum likelihood estimation method in feature extraction of images. In this paper, we consider feature extraction candidates as HLAC, SIFT, and 3D SIFT, and compare the performance of them. We estimate behavior labels by this method. Then, we performed a comparison experiment to inference a behavior labels by this method.