環境への自動適応を伴うアピアランスベース頭部姿勢推定

摘要

Head pose can be an important factor in inferring the focus of attention of humans, and thus can be used in a wide range of applications. For this reason, techniques for estimating head pose have been considered an important research task for decades.rnAlthough various image-based approaches have been proposed for estimating head pose (see~(15)) for a recent survey), one of the major remaining technical challenges is to deal with low resolution images. In some application scenarios like visual surveillance, it is often the case that head regions in input images are quite small. Small images contain limited information, thus it is still a challenging task to achieve accurate estimation results in such cases.%本稿では、アピアランスベース頭部姿勢推定における、推定対象環境への自動適応手法を提案する。アピアランスベースの推定手法は、ラベル付けされた正解学習データを推定器の学習時に必要とする。頭部領域の見えは撮影環境によって大きく変化するため、この学習データは推定対象となるテストデータと同じ環境で獲得されることが望ましいが、全ての設置環境で正解学習データを集めることは現実的には不可能な場合が多い。提案手法ではこの間題を解決するために、テスト映像中の歩行者の追跡結果を利用する。人物が進行方向を向いているという仮定のもとで姿勢ラベル付きの頭部画像を獲得し、頭部姿勢クラスの分類器を学習することで、自動的に対象環境に適した頭部姿勢推定器を構築することが可能になる。複数の分類アルゴリズムを使った実験を通して、テスト環境とは異なる環境で獲得された学習データを用いる場合に比べて提案手法の分類精度が高くなることを示す。