JP2008310588A - モーション認識装置 - Google Patents
モーション認識装置 Download PDFInfo
- Publication number
- JP2008310588A JP2008310588A JP2007157769A JP2007157769A JP2008310588A JP 2008310588 A JP2008310588 A JP 2008310588A JP 2007157769 A JP2007157769 A JP 2007157769A JP 2007157769 A JP2007157769 A JP 2007157769A JP 2008310588 A JP2008310588 A JP 2008310588A
- Authority
- JP
- Japan
- Prior art keywords
- acceleration
- feature point
- motion
- axis
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Position Input By Displaying (AREA)
Abstract
【課題】認識対象のモーションの種類が多い場合や、類似している複数のモーションを認識対象とする場合でも、効率よく高精度にモーションを認識することができるようにする。
【解決手段】識別対象装置の各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点を検出する加速度特徴点検出部2と、複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶している加速度特徴点記憶部3とを設け、モーション探索部4が加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索する。
【選択図】図1
【解決手段】識別対象装置の各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点を検出する加速度特徴点検出部2と、複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶している加速度特徴点記憶部3とを設け、モーション探索部4が加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索する。
【選択図】図1
Description
この発明は、装置の動きを認識するモーション認識装置に関するものである。
従来のモーション認識装置は、動作を識別する識別対象装置の本体の加速度を検出し、その加速度を所定の閾値と比較するようにしている。
そして、モーション認識装置は、識別対象装置の本体の加速度が閾値を上回れば、ユーザの意図を伴う動き(モーション)が発生したものと判断し、識別対象装置の本体の加速度が閾値を下回れば、持ち運びによる振動などを起因とする動きが発生したものと判断するようにしている(例えば、特許文献1を参照)。
そして、モーション認識装置は、識別対象装置の本体の加速度が閾値を上回れば、ユーザの意図を伴う動き(モーション)が発生したものと判断し、識別対象装置の本体の加速度が閾値を下回れば、持ち運びによる振動などを起因とする動きが発生したものと判断するようにしている(例えば、特許文献1を参照)。
従来のモーション認識装置は以上のように構成されているので、加速度を検出するサンプリング間隔を短くして、数多くの加速度を閾値と比較するようにすれば、モーションの認識精度を高めることができる。しかし、認識対象のモーションの種類が多くなると、加速度と閾値の比較処理量が膨大になり、効率的にモーションを識別することができない課題があった。また、類似している複数のモーションを認識対象とする場合には、それぞれのモーションを区別することが困難である課題があった。
この発明は上記のような課題を解決するためになされたもので、認識対象のモーションの種類が多い場合や、類似している複数のモーションを認識対象とする場合でも、効率よく高精度にモーションを認識することができるモーション認識装置を得ることを目的とする。
この発明に係るモーション認識装置は、識別対象装置の各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点を検出する加速度特徴点検出手段と、複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶している加速度特徴点記憶手段とを設け、モーション探索手段が加速度特徴点検出手段により検出された各軸の加速度の特徴点と加速度特徴点記憶手段に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索するようにしたものである。
この発明によれば、識別対象装置の各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点を検出する加速度特徴点検出手段と、複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶している加速度特徴点記憶手段とを設け、モーション探索手段が加速度特徴点検出手段により検出された各軸の加速度の特徴点と加速度特徴点記憶手段に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索するように構成したので、認識対象のモーションの種類が多い場合や、類似している複数のモーションを認識対象とする場合でも、効率よく高精度にモーションを認識することができる効果がある。
実施の形態1.
図1はこの発明の実施の形態1によるモーション認識装置を示す構成図であり、図において、加速度検出部1は例えば3軸加速度センサを用いて構成されており、動作を識別する識別対象装置の各軸の3次元空間において発生する軸方向の加速度を検出する。なお、加速度検出部1は加速度検出手段を構成している。
加速度特徴点検出部2は加速度検出部1により検出された各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点である極大点及び極小点を検出する処理を実施する。なお、加速度特徴点検出部2は加速度特徴点検出手段を構成している。
図1はこの発明の実施の形態1によるモーション認識装置を示す構成図であり、図において、加速度検出部1は例えば3軸加速度センサを用いて構成されており、動作を識別する識別対象装置の各軸の3次元空間において発生する軸方向の加速度を検出する。なお、加速度検出部1は加速度検出手段を構成している。
加速度特徴点検出部2は加速度検出部1により検出された各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点である極大点及び極小点を検出する処理を実施する。なお、加速度特徴点検出部2は加速度特徴点検出手段を構成している。
加速度特徴点記憶部3は複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶しているメモリである。なお、加速度特徴点記憶部3は加速度特徴点記憶手段を構成している。
モーション探索部4は加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索する処理を実施する。なお、モーション探索部4はモーション探索手段を構成している。
モーション探索部4は加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索する処理を実施する。なお、モーション探索部4はモーション探索手段を構成している。
図1の例では、モーション認識装置の構成要素である加速度特徴点検出部2及びモーション探索部4がそれぞれ専用のハードウェア(例えば、CPUを実装している半導体集積回路基板)で構成されているものを想定しているが、モーション認識装置がコンピュータで構成される場合、加速度特徴点検出部2及びモーション探索部4の処理内容が記述されているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリに格納されているプログラムを実行するようにしてもよい。
図2はこの発明の実施の形態1によるモーション認識装置の処理内容を示すフローチャートである。
図2はこの発明の実施の形態1によるモーション認識装置の処理内容を示すフローチャートである。
次に動作について説明する。
加速度検出部1は、動作を識別する識別対象装置の軸毎に、軸方向の加速度を検出する(ステップST1)。
ここでは、加速度検出部1が、所定の時間間隔で、L個の軸の加速度をN回連続して検出し、一度にL×N個の加速度(連続N回分の加速度検出結果)を加速度データとして出力するものとする。
図3は加速度検出部1から出力された加速度データのうち、j番目の軸の加速度の検出例を示す説明図である。
図3では、検出順序を変数iで示し、i番目の加速度をAXji(2≦j≦L,1≦i≦N)と表現している。
加速度検出部1は、動作を識別する識別対象装置の軸毎に、軸方向の加速度を検出する(ステップST1)。
ここでは、加速度検出部1が、所定の時間間隔で、L個の軸の加速度をN回連続して検出し、一度にL×N個の加速度(連続N回分の加速度検出結果)を加速度データとして出力するものとする。
図3は加速度検出部1から出力された加速度データのうち、j番目の軸の加速度の検出例を示す説明図である。
図3では、検出順序を変数iで示し、i番目の加速度をAXji(2≦j≦L,1≦i≦N)と表現している。
加速度特徴点検出部2は、加速度検出部1から加速度データを受けると、各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点である極大点と極小点を検出する(ステップST2)。
図4は図3の加速度データから検出された特徴点の一例を示す説明図である。
図4では、“+”印のある点が特徴点であり、j番目の軸におけるi番目の特徴点の加速度をAX_Fjiで表わしている。
ただし、2≦j≦L、1≦i≦M1であり、M1は図3の加速度データから検出された特徴点の総数である。
図4は図3の加速度データから検出された特徴点の一例を示す説明図である。
図4では、“+”印のある点が特徴点であり、j番目の軸におけるi番目の特徴点の加速度をAX_Fjiで表わしている。
ただし、2≦j≦L、1≦i≦M1であり、M1は図3の加速度データから検出された特徴点の総数である。
モーション探索部4は、加速度特徴点検出部2が各軸の加速度の特徴点を検出すると、各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索する(ステップST3)。
以下、モーション探索部4における認識対象モーションの探索処理を具体的に説明する。
以下、モーション探索部4における認識対象モーションの探索処理を具体的に説明する。
ここでは、認識対象のモーションがC個(C≧1)であり、加速度特徴点記憶部3が各モーションのそれぞれについて、照合に用いる加速度データをB個(B≧1)ずつ保持しているものとする。
図5は加速度特徴点記憶部3に記憶されている認識対象モーションの加速度データの一例を示す説明図である。
図5では、m番目のモーションのn番目の加速度データのj番目の軸におけるi番目の加速度をRXmnjiで表わしている。
ただし、1≦m≦C、1≦n≦B、2≦j≦L,iの範囲は、加速度データによって異なっている。
図5は加速度特徴点記憶部3に記憶されている認識対象モーションの加速度データの一例を示す説明図である。
図5では、m番目のモーションのn番目の加速度データのj番目の軸におけるi番目の加速度をRXmnjiで表わしている。
ただし、1≦m≦C、1≦n≦B、2≦j≦L,iの範囲は、加速度データによって異なっている。
また、加速度特徴点記憶部3は、照合に用いる加速度データから検出された特徴点も記憶しており、図6は図5の加速度データから検出された特徴点の一例を示す説明図である。
図6では、“+”印のある点が特徴点であり、m番目のモーションのn番目の加速度データのj番目の軸におけるi番目の特徴点の加速度をRX_Fmnjiで表わしている。
ただし、1≦m≦C、1≦n≦B、2≦j≦L、1≦i≦M2であり、M2は図5の加速度データから検出された特徴点の総数である。
図6では、“+”印のある点が特徴点であり、m番目のモーションのn番目の加速度データのj番目の軸におけるi番目の特徴点の加速度をRX_Fmnjiで表わしている。
ただし、1≦m≦C、1≦n≦B、2≦j≦L、1≦i≦M2であり、M2は図5の加速度データから検出された特徴点の総数である。
モーション探索部4は、加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を下記の評価式(1)に代入して、各モーションに対する相違度(値が小さいほど、類似性が高いことを示す評価値)Dmを算出する。
モーション探索部4は、各モーションに対する相違度Dmを算出すると、その相違度Dmを所定の閾値と比較し、その相違度Dmが所定の閾値より小さければ、その相違度Dmに係るモーションを、識別対象装置の動作に合致する認識対象モーションの探索候補とする。
モーション探索部4は、各モーションに対する相違度Dmを所定の閾値と比較して、認識対象モーションの探索候補が1以上あれば、1以上の探索候補の中で、相違度Dmが最小の探索候補を、識別対象装置の動作に合致する認識対象モーションの探索結果として出力する。
モーション探索部4は、各モーションに対する相違度Dmを所定の閾値と比較して、認識対象モーションの探索候補が1以上あれば、1以上の探索候補の中で、相違度Dmが最小の探索候補を、識別対象装置の動作に合致する認識対象モーションの探索結果として出力する。
ここでは、モーション探索部4が、上記の評価式(1)を用いて、各モーションに対する相違度Dmを評価するものを示したが、これに限るものではなく、その他の方法を用いて評価するようにしてもよい。
例えば、以下の非特許文献1に開示されているDP(Dynamic Programming)マッチング法を実施して、加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合し、相違度Dmを評価するようにしてもよい。
・非特許文献1
「上坂吉則、太原育夫著、パソコンで学ぶパターン認識と図形処理、11章パターン・マッチング−DPマッチング、pp140−pp152、文一総合出版、1984」
例えば、以下の非特許文献1に開示されているDP(Dynamic Programming)マッチング法を実施して、加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合し、相違度Dmを評価するようにしてもよい。
・非特許文献1
「上坂吉則、太原育夫著、パソコンで学ぶパターン認識と図形処理、11章パターン・マッチング−DPマッチング、pp140−pp152、文一総合出版、1984」
以上で明らかなように、この実施の形態1によれば、識別対象装置の各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点を検出する加速度特徴点検出部2と、複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶している加速度特徴点記憶部3とを設け、モーション探索部4が加速度特徴点検出部2により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索するように構成したので、認識対象のモーションの種類が多い場合や、類似している複数のモーションを認識対象とする場合でも、効率よく高精度にモーションを認識することができる効果を奏する。
即ち、加速度の検出数より著しく少ない極大点と極小点を照合に用いているので、認識対象のモーションの種類が多い場合でも、効率よく認識することができる効果を奏する。
また、この実施の形態1によれば、各モーションに、装置の入力操作を行うプログラムをあらかじめ対応付けるなどすることにより、ユーザが意図して行った装置の動きに対応する入力操作を行うことができる効果も奏する。
また、この実施の形態1によれば、各モーションに、装置の入力操作を行うプログラムをあらかじめ対応付けるなどすることにより、ユーザが意図して行った装置の動きに対応する入力操作を行うことができる効果も奏する。
なお、この実施の形態1では、特徴点として極大点と極小点を検出するものを示したが、これに限るものではなく、例えば、特徴点として、加速度の極点、変化量、変曲点、曲率、あるいは、予め設定された基準値を超える点を検出するようにしてもよい。また、これらを組み合わせて用いるようにしてもよい。
また、この実施の形態1では、加速度特徴点記憶部3が認識対象のモーションのそれぞれについて、同一数の加速度データをB個保持しているものを示したが、認識対象のモーション毎に、異なる数の加速度データを保持するようにしてもよい。
また、この実施の形態1では、加速度特徴点記憶部3が認識対象のモーションのそれぞれについて、同一数の加速度データをB個保持しているものを示したが、認識対象のモーション毎に、異なる数の加速度データを保持するようにしてもよい。
実施の形態2.
図7はこの発明の実施の形態2によるモーション認識装置を示す構成図であり、図において、図1と同一符号は同一または相当部分を示すので説明を省略する。
合成ベクトル生成部11は加速度検出部1により検出された複数の軸の加速度の合成ベクトルを生成する処理を実施する。なお、合成ベクトル生成部11は合成ベクトル生成手段を構成している。
合成ベクトル特徴点検出部12は合成ベクトル生成部11により生成された合成ベクトルの特徴点を検出する処理を実施する。なお、合成ベクトル特徴点検出部12は合成ベクトル特徴点検出手段を構成している。
図7はこの発明の実施の形態2によるモーション認識装置を示す構成図であり、図において、図1と同一符号は同一または相当部分を示すので説明を省略する。
合成ベクトル生成部11は加速度検出部1により検出された複数の軸の加速度の合成ベクトルを生成する処理を実施する。なお、合成ベクトル生成部11は合成ベクトル生成手段を構成している。
合成ベクトル特徴点検出部12は合成ベクトル生成部11により生成された合成ベクトルの特徴点を検出する処理を実施する。なお、合成ベクトル特徴点検出部12は合成ベクトル特徴点検出手段を構成している。
合成ベクトル特徴点記憶部13は複数の認識対象モーション毎に、合成ベクトルの特徴点を記憶しているメモリである。なお、合成ベクトル特徴点記憶部13は合成ベクトル特徴点記憶手段を構成している。
合成ベクトル照合部14は合成ベクトル特徴点検出部12により検出された合成ベクトルの特徴点と合成ベクトル特徴点記憶部13に記憶されている合成ベクトルの特徴点を照合する処理を実施する。なお、合成ベクトル照合部14は合成ベクトル照合手段を構成している。
加速度特徴点検出15は合成ベクトル照合部14の照合結果に応じて、加速度検出部1により検出された各軸の加速度の特徴点を検出する処理を実施する。なお、加速度特徴点検出15は加速度特徴点検出手段を構成している。
合成ベクトル照合部14は合成ベクトル特徴点検出部12により検出された合成ベクトルの特徴点と合成ベクトル特徴点記憶部13に記憶されている合成ベクトルの特徴点を照合する処理を実施する。なお、合成ベクトル照合部14は合成ベクトル照合手段を構成している。
加速度特徴点検出15は合成ベクトル照合部14の照合結果に応じて、加速度検出部1により検出された各軸の加速度の特徴点を検出する処理を実施する。なお、加速度特徴点検出15は加速度特徴点検出手段を構成している。
図7の例では、モーション認識装置の構成要素であるモーション探索部4、合成ベクトル生成部11、合成ベクトル特徴点検出部12、合成ベクトル照合部14及び加速度特徴点検出部15がそれぞれ専用のハードウェア(例えば、CPUを実装している半導体集積回路基板)で構成されているものを想定しているが、モーション認識装置がコンピュータで構成される場合、モーション探索部4、合成ベクトル生成部11、合成ベクトル特徴点検出部12、合成ベクトル照合部14及び加速度特徴点検出部15の処理内容が記述されているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリに格納されているプログラムを実行するようにしてもよい。
図8はこの発明の実施の形態2によるモーション認識装置の処理内容を示すフローチャートである。
図8はこの発明の実施の形態2によるモーション認識装置の処理内容を示すフローチャートである。
上記実施の形態1では、加速度検出部1が各軸の加速度を検出すると、加速度特徴点検出部2が各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点を検出するものについて示したが、合成ベクトル照合部14が合成ベクトル特徴点検出部12により検出された合成ベクトルの特徴点と合成ベクトル特徴点記憶部13に記憶されている合成ベクトルの特徴点を照合すると、加速度特徴点検出部15が合成ベクトル照合部14の照合結果に応じて各軸の加速度の特徴点を検出するようにしてもよい。
以下、具体的な処理内容を説明する。
以下、具体的な処理内容を説明する。
加速度検出部1は、上記実施の形態1と同様に、動作を識別する識別対象装置の軸毎に、軸方向の加速度データを検出する(ステップST11)。
ここでは、加速度検出部1が、所定の時間間隔で、L個の軸の加速度をN回連続して検出し、一度にL×N個の加速度(連続N回分の加速度検出結果)を加速度データとして出力するものとする。
ここでは、加速度検出部1が、所定の時間間隔で、L個の軸の加速度をN回連続して検出し、一度にL×N個の加速度(連続N回分の加速度検出結果)を加速度データとして出力するものとする。
合成ベクトル生成部11は、加速度検出部1が識別対象装置の複数の軸方向の加速度(加速度ベクトル)を検出すると、これらの加速度ベクトルを合成することにより合成ベクトルを生成する(ステップST12)。
即ち、合成ベクトル生成部11は、加速度検出部1から出力されたL個の軸の連続N回分の加速度データのj番目の軸のi番目の加速度値がAXji(2≦j≦L,1≦i≦N)であるとして、下記の式(2)を用いて、i番目の合成ベクトルGXiを求める。
図9は合成ベクトル生成部11により生成された合成ベクトルデータの一例を示す説明図である。
即ち、合成ベクトル生成部11は、加速度検出部1から出力されたL個の軸の連続N回分の加速度データのj番目の軸のi番目の加速度値がAXji(2≦j≦L,1≦i≦N)であるとして、下記の式(2)を用いて、i番目の合成ベクトルGXiを求める。
合成ベクトル特徴点検出部12は、合成ベクトル生成部11が合成ベクトルを生成すると、その合成ベクトルの特徴点である極大点及び極小点を検出する(ステップST13)
図10は図9の合成ベクトルデータから検出された特徴点の一例を示す説明図である。
図10では、“+”印のある点が特徴点であり、i番目の特徴点の合成ベクトルをGX_Fiで表わしている。
ただし、1≦i≦M1であり、M1は図9の合成ベクトルデータから検出された特徴点の総数である。
図10は図9の合成ベクトルデータから検出された特徴点の一例を示す説明図である。
図10では、“+”印のある点が特徴点であり、i番目の特徴点の合成ベクトルをGX_Fiで表わしている。
ただし、1≦i≦M1であり、M1は図9の合成ベクトルデータから検出された特徴点の総数である。
合成ベクトル照合部14は、合成ベクトル特徴点検出部12が合成ベクトルの特徴点を検出すると、その合成ベクトルの特徴点と合成ベクトル特徴点記憶部13に記憶されている合成ベクトルの特徴点を照合する(ステップST14)。
以下、合成ベクトル照合部14における合成ベクトルの特徴点の照合処理を具体的に説明する。
以下、合成ベクトル照合部14における合成ベクトルの特徴点の照合処理を具体的に説明する。
ここでは、認識対象のモーションがC個(C≧1)であり、合成ベクトル特徴点記憶部13が各モーションのそれぞれについて、照合に用いる合成ベクトルデータをB個(B≧1)ずつ保持しているものとする。
図11は合成ベクトル特徴点記憶部13に記憶されている認識対象モーションの合成ベクトルデータの一例を示す説明図である。
図11では、m番目のモーションのn番目の合成ベクトルデータのi番目の合成ベクトルをRGXmniで表わしている。
ただし、1≦m≦C、1≦n≦B、iの範囲は、合成ベクトルデータによって異なっている。
図11は合成ベクトル特徴点記憶部13に記憶されている認識対象モーションの合成ベクトルデータの一例を示す説明図である。
図11では、m番目のモーションのn番目の合成ベクトルデータのi番目の合成ベクトルをRGXmniで表わしている。
ただし、1≦m≦C、1≦n≦B、iの範囲は、合成ベクトルデータによって異なっている。
また、合成ベクトル特徴点記憶部13は、照合に用いる合成ベクトルデータから検出された特徴点も記憶しており、図12は図11の合成ベクトルデータから検出された特徴点の一例を示す説明図である。
図12では、“+”印のある点が特徴点であり、i番目の特徴点の合成ベクトルをRGX_Fmniで表わしている。
ただし、1≦m≦C、1≦n≦B、1≦i≦M2であり、M2は図11の合成ベクトルデータから検出された特徴点の総数である。
図12では、“+”印のある点が特徴点であり、i番目の特徴点の合成ベクトルをRGX_Fmniで表わしている。
ただし、1≦m≦C、1≦n≦B、1≦i≦M2であり、M2は図11の合成ベクトルデータから検出された特徴点の総数である。
合成ベクトル照合部14は、例えば、DP(Dynamic Programming)マッチング法を実施して、相違度が最も小さくなるように、合成ベクトル特徴点検出部12により検出された合成ベクトルの特徴点と合成ベクトル特徴点記憶部13に記憶されている合成ベクトルの特徴点を照合とを照合して対応付けを行う。
ここで、図13は合成ベクトル特徴点検出部12により検出された図10の特徴点と、合成ベクトル特徴点記憶部13により記憶されている図12の特徴点との対応付け結果の一例を示す説明図である。
図13では、m番目のモーションのn番目の合成ベクトルデータと対応付いているi番目の特徴点をMGX_Fmniで表わしている。
ただし、1≦i≦M2であり、M2は図12の合成ベクトルデータから検出された特徴点の総数である。
ここで、図13は合成ベクトル特徴点検出部12により検出された図10の特徴点と、合成ベクトル特徴点記憶部13により記憶されている図12の特徴点との対応付け結果の一例を示す説明図である。
図13では、m番目のモーションのn番目の合成ベクトルデータと対応付いているi番目の特徴点をMGX_Fmniで表わしている。
ただし、1≦i≦M2であり、M2は図12の合成ベクトルデータから検出された特徴点の総数である。
また、合成ベクトル照合部14は、対応付いている合成ベクトルデータの特徴点の位置を検出し、その特徴点の位置の番号fmn(i)を出力する。
ここで、図14は図13の合成ベクトルデータの特徴点に対応付いている位置(“○”印の位置)の番号fmn(i)を表している。
ただし、1≦i≦M2であり、M2は図12の合成ベクトルデータから検出された特徴点の総数である。
ここで、図14は図13の合成ベクトルデータの特徴点に対応付いている位置(“○”印の位置)の番号fmn(i)を表している。
ただし、1≦i≦M2であり、M2は図12の合成ベクトルデータから検出された特徴点の総数である。
加速度特徴点検出部15は、合成ベクトル照合部14から特徴点の位置の番号fmn(i)を受けると、加速度検出部1により検出された各軸の加速度のうち、その番号fmn(i)が示す位置の加速度を特徴点として検出する(ステップST15)。
図15は加速度検出部1により検出された各軸の加速度のうち、j番目の軸の番号fmn(i)が示す位置の加速度を特徴点AXjfmn(i)として表している。
ただし、2≦j≦L、1≦i≦M2であり、M2は図11の合成ベクトルデータから検出された特徴点の総数である。
図15は加速度検出部1により検出された各軸の加速度のうち、j番目の軸の番号fmn(i)が示す位置の加速度を特徴点AXjfmn(i)として表している。
ただし、2≦j≦L、1≦i≦M2であり、M2は図11の合成ベクトルデータから検出された特徴点の総数である。
ここでは、加速度特徴点検出部15が、j番目の軸の番号fmn(i)が示す位置の加速度を特徴点AXjfmn(i)として検出するものを示したが、番号fmn(i)が示す位置の近傍の加速度を特徴点AXjfmn(i)として検出するようにしてもよい。
モーション探索部4は、加速度特徴点検出部15が各軸の加速度の特徴点を検出すると、各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を照合して、識別対象装置の動作に合致する認識対象モーションを探索する(ステップST16)。
即ち、モーション探索部4は、加速度特徴点検出部15により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を下記の評価式(4)に代入して、各モーションに対する相違度(値が小さいほど、類似性が高いことを示す評価値)Dmを算出する。
即ち、モーション探索部4は、加速度特徴点検出部15により検出された各軸の加速度の特徴点と加速度特徴点記憶部3に記憶されている各軸の加速度の特徴点を下記の評価式(4)に代入して、各モーションに対する相違度(値が小さいほど、類似性が高いことを示す評価値)Dmを算出する。
モーション探索部4は、各モーションに対する相違度Dmを算出すると、その相違度Dmを所定の閾値と比較し、その相違度Dmが所定の閾値より小さければ、その相違度Dmに係るモーションを、識別対象装置の動作に合致する認識対象モーションの探索候補とする。
モーション探索部4は、各モーションに対する相違度Dmを所定の閾値と比較して、認識対象モーションの探索候補が1以上あれば、1以上の探索候補の中で、相違度Dmが最小の探索候補を、識別対象装置の動作に合致する認識対象モーションの探索結果として出力する。
モーション探索部4は、各モーションに対する相違度Dmを所定の閾値と比較して、認識対象モーションの探索候補が1以上あれば、1以上の探索候補の中で、相違度Dmが最小の探索候補を、識別対象装置の動作に合致する認識対象モーションの探索結果として出力する。
以上で明らかなように、この実施の形態2によれば、合成ベクトル特徴点検出部12により検出された合成ベクトルの特徴点と合成ベクトル特徴点記憶部13に記憶されている合成ベクトルの特徴点を照合する合成ベクトル照合部14を設け、加速度特徴点検出部15が合成ベクトル照合部14の照合結果に応じて各軸の加速度の特徴点を検出するように構成したので、加速度特徴点検出部15による特徴点の検出処理の効率化を図ることができる効果を奏する。
また、振動などのモーション以外の動きにより生じる値の小さな特徴点を排除することができるため、識別対象装置の動作に合致する認識対象モーションの探索精度を高めることができる効果を奏する。
また、振動などのモーション以外の動きにより生じる値の小さな特徴点を排除することができるため、識別対象装置の動作に合致する認識対象モーションの探索精度を高めることができる効果を奏する。
なお、この実施の形態2では、モーション探索部4が、認識対象モーションの特徴点の数と、加速度特徴点検出部15により検出された特徴点の数とを相違度Dmに反映しない例を説明したが、特徴点の数の違いによる相違度Dmの影響を低減するため、特徴点の数が異なる場合には、特徴点を補間する処理などを実施するようにしてもよい。
また、この実施の形態2では、特徴点として極大点と極小点を検出するものを示したが、これに限るものではなく、例えば、特徴点として、加速度の極点、変化量、変曲点、曲率、あるいは、予め設定された基準値を超える点を検出するようにしてもよい。また、これらを組み合わせて用いるようにしてもよい。
また、この実施の形態2では、特徴点として極大点と極小点を検出するものを示したが、これに限るものではなく、例えば、特徴点として、加速度の極点、変化量、変曲点、曲率、あるいは、予め設定された基準値を超える点を検出するようにしてもよい。また、これらを組み合わせて用いるようにしてもよい。
実施の形態3.
上記実施の形態2では、合成ベクトル特徴点検出部12の後段に合成ベクトル照合部14を設け、加速度特徴点検出部15が、合成ベクトル照合部14から特徴点の位置の番号fmn(i)を受けると、加速度検出部1により検出された各軸の加速度のうち、その番号fmn(i)が示す位置の加速度を特徴点として検出するものについて示したが、図16に示すように、合成ベクトル特徴点記憶部13及び合成ベクトル照合部14を省略するようにしてもよい。
上記実施の形態2では、合成ベクトル特徴点検出部12の後段に合成ベクトル照合部14を設け、加速度特徴点検出部15が、合成ベクトル照合部14から特徴点の位置の番号fmn(i)を受けると、加速度検出部1により検出された各軸の加速度のうち、その番号fmn(i)が示す位置の加速度を特徴点として検出するものについて示したが、図16に示すように、合成ベクトル特徴点記憶部13及び合成ベクトル照合部14を省略するようにしてもよい。
具体的には、以下の通りである。
合成ベクトル特徴点検出部12は、合成ベクトル生成部11が合成ベクトルを生成すると、上記実施の形態2と同様にして、その合成ベクトルの特徴点である極大点及び極小点を検出する。
合成ベクトル特徴点検出部12は、合成ベクトルの特徴点である極大点及び極小点を検出すると、特徴点である極大点及び極小点の位置の番号fmn(i)を加速度特徴点検出部15に出力する。
合成ベクトル特徴点検出部12は、合成ベクトル生成部11が合成ベクトルを生成すると、上記実施の形態2と同様にして、その合成ベクトルの特徴点である極大点及び極小点を検出する。
合成ベクトル特徴点検出部12は、合成ベクトルの特徴点である極大点及び極小点を検出すると、特徴点である極大点及び極小点の位置の番号fmn(i)を加速度特徴点検出部15に出力する。
加速度特徴点検出部15は、特徴点の位置の番号fmn(i)を受けると、加速度検出部1により検出された各軸の加速度のうち、その番号fmn(i)が示す位置の加速度を特徴点として検出する。
図17は加速度検出部1により検出された各軸の加速度のうち、j番目の軸の番号fmn(i)が示す位置の加速度を特徴点AXjfmn(i)として表している。
図17は加速度検出部1により検出された各軸の加速度のうち、j番目の軸の番号fmn(i)が示す位置の加速度を特徴点AXjfmn(i)として表している。
1 加速度検出部(加速度検出手段)、2 加速度特徴点検出部(加速度特徴点検出手段)、3 加速度特徴点記憶部(加速度特徴点記憶手段)、4 モーション探索部(モーション探索手段)、11 合成ベクトル生成部(合成ベクトル生成手段)、12 合成ベクトル特徴点検出部(合成ベクトル特徴点検出手段)、13 合成ベクトル特徴点記憶部(合成ベクトル特徴点記憶手段)、14 合成ベクトル照合部(合成ベクトル照合手段)、15 加速度特徴点検出部(加速度特徴点検出手段)。
Claims (4)
- 動作を識別する識別対象装置の各軸の加速度を検出する加速度検出手段と、上記加速度検出手段により検出された各軸の加速度の時間的変化を解析して、各軸の加速度の特徴点を検出する加速度特徴点検出手段と、複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶している加速度特徴点記憶手段と、上記加速度特徴点検出手段により検出された各軸の加速度の特徴点と上記加速度特徴点記憶手段に記憶されている各軸の加速度の特徴点を照合して、上記識別対象装置の動作に合致する認識対象モーションを探索するモーション探索手段とを備えたモーション認識装置。
- 動作を識別する識別対象装置の各軸の加速度を検出する加速度検出手段と、上記加速度検出手段により検出された複数の軸の加速度の合成ベクトルを生成する合成ベクトル生成手段と、上記合成ベクトル生成手段により生成された合成ベクトルの特徴点を検出する合成ベクトル特徴点検出手段と、複数の認識対象モーション毎に、合成ベクトルの特徴点を記憶している合成ベクトル特徴点記憶手段と、上記合成ベクトル特徴点検出手段により検出された合成ベクトルの特徴点と上記合成ベクトル特徴点記憶手段に記憶されている合成ベクトルの特徴点を照合する合成ベクトル照合手段と、上記合成ベクトル照合手段の照合結果に応じて、上記加速度検出手段により検出された各軸の加速度の特徴点を検出する加速度特徴点検出手段と、複数の認識対象モーション毎に、時間的に変化する各軸の加速度の特徴点を記憶している加速度特徴点記憶手段と、上記加速度特徴点検出手段により検出された各軸の加速度の特徴点と上記加速度特徴点記憶手段に記憶されている各軸の加速度の特徴点を照合して、上記識別対象装置の動作に合致する認識対象モーションを探索するモーション探索手段とを備えたモーション認識装置。
- 加速度特徴点検出手段は、各軸の加速度の特徴点として、加速度の極点、変化量、変曲点、曲率、あるいは、予め設定された基準値を超える点を検出することを特徴とする請求項1または請求項2記載のモーション認識装置。
- モーション探索手段は、加速度特徴点検出手段により検出された各軸の特徴点と加速度特徴点記憶手段に記憶されている各軸の特徴点を照合する際、識別対象装置の各軸に重みを付加して特徴点を照合することを特徴とする請求項1から請求項3のうちのいずれか1項記載のモーション認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007157769A JP2008310588A (ja) | 2007-06-14 | 2007-06-14 | モーション認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007157769A JP2008310588A (ja) | 2007-06-14 | 2007-06-14 | モーション認識装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008310588A true JP2008310588A (ja) | 2008-12-25 |
Family
ID=40238130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007157769A Pending JP2008310588A (ja) | 2007-06-14 | 2007-06-14 | モーション認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008310588A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011197992A (ja) * | 2010-03-19 | 2011-10-06 | Fujitsu Ltd | モーション判定装置、モーション判定方法、およびコンピュータプログラム |
JP2012027778A (ja) * | 2010-07-26 | 2012-02-09 | Casio Comput Co Ltd | 文字認識装置及びプログラム |
US8538156B2 (en) | 2010-07-26 | 2013-09-17 | Casio Computer Co., Ltd. | Character recognition device and recording medium |
-
2007
- 2007-06-14 JP JP2007157769A patent/JP2008310588A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011197992A (ja) * | 2010-03-19 | 2011-10-06 | Fujitsu Ltd | モーション判定装置、モーション判定方法、およびコンピュータプログラム |
JP2012027778A (ja) * | 2010-07-26 | 2012-02-09 | Casio Comput Co Ltd | 文字認識装置及びプログラム |
US8538156B2 (en) | 2010-07-26 | 2013-09-17 | Casio Computer Co., Ltd. | Character recognition device and recording medium |
US8571321B2 (en) | 2010-07-26 | 2013-10-29 | Casio Computer Co., Ltd. | Character recognition device and recording medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paul et al. | An effective approach for human activity recognition on smartphone | |
JP5408143B2 (ja) | パターン認識装置、パターン認識方法およびパターン認識プログラム | |
US8306282B2 (en) | Hierarchical face recognition training method and hierarchical face recognition method thereof | |
US9020186B2 (en) | Method and apparatus for detecting object using volumetric feature vector and 3D haar-like filters | |
Kratz et al. | Combining acceleration and gyroscope data for motion gesture recognition using classifiers with dimensionality constraints | |
Vinay et al. | ORB-PCA based feature extraction technique for face recognition | |
EP2370932B1 (en) | Method, apparatus and computer program product for providing face pose estimation | |
US20140363088A1 (en) | Method of establishing database including hand shape depth images and method and device of recognizing hand shapes | |
US11830218B2 (en) | Visual-inertial localisation in an existing map | |
CN103150546A (zh) | 视频人脸识别方法和装置 | |
Gonzalez-Diaz et al. | Neighborhood matching for image retrieval | |
US20150186422A1 (en) | Image processing apparatus, image processing method, and image processing program | |
CN107657146A (zh) | 基于三维子结构的药物分子比较方法 | |
Lin et al. | Person search challenges and solutions: A survey | |
Huang et al. | Speaker state classification based on fusion of asymmetric simpls and support vector machines | |
JP2008310588A (ja) | モーション認識装置 | |
Inoue et al. | High-level feature extraction using sift gmms and audio models | |
JP2012118683A (ja) | 歩行者認識装置 | |
CN110727762B (zh) | 确定相似文本的方法、装置、存储介质及电子设备 | |
US20200257372A1 (en) | Out-of-vocabulary gesture recognition filter | |
Choi et al. | Directional dynamic time warping for gesture recognition | |
Hsu et al. | Cross-pose landmark localization using multi-dropout framework | |
JP2013171441A (ja) | 文字認識用識別器学習装置、方法、文字認識装置、方法、及びプログラム | |
Wang et al. | On-line signature verification using segment-to-segment graph matching | |
Hahmann et al. | Model interpolation for eye localization using the Discriminative Generalized Hough Transform |