Particle Swarm Optimizationを用いたハイパースペクトルデータの人肌抽出に関する研究

摘要

If the automatic detection of the victims is feasible after large-scale disasters, the search efficiency would be significantly improved compared to the traditional visual search method from aircraft. In order to extract the human skin correctly, we focus on the training of an Artificial Neural Network (ANN) by the hyperspectral data. From the standpoint of avoiding the over-fitting problem generated by multi-channel inputs of the hyperspectral data, it is necessary to be trained by the optimal bands. In this paper, we propose the coupled search method for the optimal number and combination of bands in order to extract the target from the hyperspectral data. The coupled search method is composed of two search methods. The first is a new search method of the maximum value of the evaluation function which searches the optimal number of bands from the non-training data. The other is the search method using the Particle Swarm Optimization which searched the optimal combination of bands from the training data. The ANN is trained by the selected combination of bands, and the results are evaluated. Moreover, the trained network obtained using the coupled search method is compared with the ANN trained by all the bands and the Normalized Difference Human Index.%大規模自然災害の発生後，広域な災害フィールドから人の所在を自動的に探知可能であれば，従来の航空機から目視で被害者を捜索していた効率が向上する。そこで，正確にヒトの人肌抽出を行うために，ハイパースペクトルデータを用いたArtifi-cial Neural Networkの学習に着目する。しかし，ハイパースペクトルデータの全波長を入力として使用した場合，学習データに対してオーバーフィツテングが発生する。本論文では，ハイパースペクトルデータから目標抽出に最適なバンド数と組み合せを探索する手法を提案する。この手法は，未学習データから評価関数の最大値となる最適なバンド数の選択を行い，学習データからParticle Swarm Optimizationを用い最適なバンドの組み合せを探索する。さらに，探索より得られた学習ネットワークは，全波長を人力として使用した学習ネットワークとNormalized Difference Human Indexと比較される。