Trend-Sensitive Hough Forestsの提案と行動検出への応用

摘要

ハフ変換に基づく投票ベースの行動検出手法は，オクルージョンにロバストという利点がある．これは，対象の行動のクラスと位直についての投票を，各局所要素から独立に行うためである．しかし，単一の要素が持つ情報は局所的なものであるため情報量は少なく，誤投票が起こりやすいという問題も併せ持っている．本研究では，従来手法の一つであるHough Forestsに，投票傾向という情報を取り入れることで，誤投票を抑制する手法を提案する．ある時刻での投票処理では，過去の時刻での投票の傾向を考慮した重み付けを各投票に行う．これにより，投票傾向と矛盾するような誤投票の抑制が可能となる．本論文では，この提案手法をTrend-Sensitive Hough Forestsと呼ぶ．評価実験の結果，従来のHough Forestsと比較し，提案手法の誤検出率の低下による検出精度の向上を確認した．