動作のラベル間依存構造を考慮したブースティングに基づくオンライン日常動作認識

摘要

本稿では，認識処理コストが低くリアルタイム性の高い動作認識手法を提案する．擢案する動作認識手法では，集団学習アルゴリズムであるブースティングに基づき認識韓が構築され，1次元の特徴卦こ対する闇値処理の組み合わせで認識を行うため非常に計算コストが低い．また，動作の持つ時間的連績性（ある時刻ある動作が起きた時，続く時亥りでも同じ動作が起きる可能性が商い），排他性?包含性（ある動作が起きている時，別のある動作は絶対に起きない，もしくは，必ず起きる）といった動作のラベル間に存在する依存構造をマルコフ確率場なる確率モデルによってモデル化し巨頭健性の向上を実現する．