特徴点信頼度に基づく学習と想起の切り替えによる実時間身体姿勢計測の頑健化

摘要

We propose an approach to improve the accuracy of estimating feature points of human body on a vision-based motion capture system (MCS) by using the Variable-density Self-Organizing Map (VDSOM). The VDSOM is a kind of Self-Organizing Map (SOM) and is incremental learnable model. We let VDSOM learn 3-D feature points of human body when the MCS succeeded in estimating them correctly. On the other hand, one or more than one 3-D feature; point could not estimated correctly, we use the VDSOM for the other purpose. The SOM including VDSOM has an ability to recall a part of weight vector which have learned in the learning process. We use this ability to recall missing feature points. The most important problem is how to switch the incremental learning process and recalling process. Therefore, we define the degree of confidence (DOC) which denotes how the feature point was estimated correctly. When all of the DOCs are higher, feature points are learned by VDSOM, otherwise a missing feature point is recalled.%本稿では，追加学習型の自己組織化マップである密度可変型自己組織化マップを利用することで，ビジョンベース実時間モーションキャプチャシステムにおける特徴点検出精度を向上させる方法を提案する．ビジョンベースモーションキャプチャシステムでは，人体の頭部や手足などの3次元座標を安定して取得することが求められる．しかし，オクリュージョンや見えの違いによって，必ずしも常に安定した特徴点抽出が行われるとは限らない．そこで，特徴点抽出に成功したときの情報を自己組織化マップで追加学習する．一方で，モーションキャプチャシステムが，特徴点の一部の抽出に失敗したときには，抽出に成功した情報のみを利用して．抽出に失敗した特徴点を補完することが可能である．このとき重要なのは，特徴点情報を追加学習するか想起するかを選択する部分である．これには，特徴点に信頼度を定義し，その信頼度に応じた処理の選択を行わせる．本稿では，実験結果とともに本手法の有効性を示す．