MACHINE PERCEPTION AND ROBOTICS GROUP

機械知覚&ロボティクスグループ
中部大学

人検出に用いられる統計的学習法は大量の学習サンプルを必要とするため，サンプルの収集コストが高い． また，学習サンプルを収集した環境と人検出システムが稼働する環境が異なる場合には，人の見え方が変化するため検出性能が低下することがある． そこで，本稿では3次元人体モデルを用いた学習サンプルの自動生成とNegative-Bag MILBoostによる生成型学習法を提案する． 本研究では，3次元人体モデルを用いて特定シーンに特化した学習用ポジティブサンプルを自動的に生成する． 学習用ネガティブサンプルは，映像からランダムに自動的に切り出して収集するが，人画像を収集することがある． このような誤って付与されたラベルを持つ学習サンプルを用いて学習する場合，識別能力が低下するという問題がある． そこで，本研究では誤ラベルのサンプルが混在しても悪影響を受けないNegative-Bag MILBoostを用いて実現する． 評価実験の結果，3次元人体モデルから生成した学習サンプルを用いて学習した識別器は，人手で切り出した学習サンプルを用いて学習した識別器よりも高い検出性能であることを確認した． また，提案手法は学習用ネガティブサンプル中に人画像が混在した状態においても，識別性能の低下を抑制することができた．