人体画像に対する，摂動特徴量に基づく高速?高精度なモデルフィッティングを実現した。摂動特徴量に基づくフィッティング手法は，特徴量とモデルパラメータ誤差の関連を学習することにより，モデルを画像上の物体にフィッティングする手法である。この手法を顔画像に対して適用することにより，高速?高精度な顔モデルフィッティングが実現できることが示されている[1]。人体に対してこの手法を適用することができれば，顔の場合と同様，高速?高精度な部位検出や姿勢推定が実現できることが期待される。しかしながら検討の結果，人体のもつ形状自由度や衣服等による特徴量変化がフィッティング性能に悪影響を与え，この手法をそのまま人体に適用することは困難であることが明らかになった。我々はこの問題に対して，特徴量サンプリング手法を改良し，HOG特徴量をモデルの各ノード上でサンプリングすることにより，高精度なフィッティングを実現した。更に位置ばらつきや，大きな姿勢変動に対応するため，Coarse to Fineの考えに基づく段階的フィッティング手法を導入した。実験の結果，提案手法は従来技術に比べて高い検出精度を示し，フィッティング成功率が50.0%から74.0%に向上した。また処理時間は従来手法が21.5sであるのに対して，提案手法は0.28sであり，大幅な高速化を実現した。
展开▼
