JP2012003719A - 状態推定装置、状態推定方法、およびプログラム - Google Patents
状態推定装置、状態推定方法、およびプログラム Download PDFInfo
- Publication number
- JP2012003719A JP2012003719A JP2010140961A JP2010140961A JP2012003719A JP 2012003719 A JP2012003719 A JP 2012003719A JP 2010140961 A JP2010140961 A JP 2010140961A JP 2010140961 A JP2010140961 A JP 2010140961A JP 2012003719 A JP2012003719 A JP 2012003719A
- Authority
- JP
- Japan
- Prior art keywords
- probability distribution
- state
- appearance
- observation
- prior probability
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
【解決手段】未来の前記観測対象の位置と姿勢を示す状態を複数のパーティクルにより表わす状態事前確率分布を作成するとともに、互いに類似する前記状態情報と対応付けられている前記アピアランス情報に基づき、前記複数のパーティクルにそれぞれ対応するアピアランスにより未来の前記観測対象の外観形態を表わすアピアランス事前確率分布を作成する事前確率分布予測部と、外部の観測装置が測定する前記観測対象に関する観測情報を入力し、前記観測情報と前記アピアランス事前確率分布とを照合してこの照合誤差に基づいて観測尤度を算出し、当該観測尤度に応じた重み付けを前記状態事前確率分布に行い事後確率分布を作成する事後確率分布推定部を備えることを特徴とする。
【選択図】図1
Description
このため、例えば、観測対象の姿勢が大きく変わることにより、今まで見えていた部分が徐々に隠れ、今まで見えなかった部分が現れることで、その観測対象の外観形態が大きく変化する。これにより、正面顔のテンプレートとの照合では、観測対象の実際の状況と照合が十分できない場合が生じるという問題があった。
本実施形態に係る状態推定装置1は、パーティクルフィルタとして機能する装置であって、事前確率分布を予測のために、過去の状態推定結果の履歴を保持し、この過去の履歴が再び現れる確率(時間的再現確率)に基づいて事前確率分布を推定するものである。また、本実施形態に係る状態推定装置1は、観測対象の状態推定値と、カメラなどにより観測される外観形態を示す観測値(以下、アピアランス値という)との組を履歴情報として蓄積し、蓄積された履歴情報に基づいて、状態推定値とアピアランス値の同時事前確率分布を求めることで、姿勢の大きな変化に伴うアピアランス(観測対象の外観形態)の大きな変化に対して頑健な追跡を実現するものである。
なお、本実施形態に係る状態推定装置1は、パーティクルフィルタの枠組みで、事前確率分布および事後確率分布をパーティクルの集合によって表わす。状態空間中で、高い確率分布を持つ位置には多くのパーティクルが生成される。
図1に示す通り、状態推定装置1は、事前確率分布予測部11、事後確率分布推定部12、推定結果算出部13、追跡安定性判定部14、履歴蓄積装置15、形状モデル蓄積装置16、履歴蓄積部17、推定対象時刻設定部18、終了判定部19を有する。
この履歴テーブルD1は、時刻tに、過去の状態推定値である状態推定値ベクトルxtと、当該時刻tに対応するアピアランス値Atを、時刻に対応付けたテーブルであり、その一例を図2に示す。なお、状態推定値ベクトルxtとアピアランス値Atとを組み合わせて履歴情報Xtといい、ここでは、履歴情報Xt=(xt,At)と示す。
ここで、状態推定値ベクトルxtは、ある時刻tにおける状態推定値であり、状態推定値ベクトルxTは、現在時刻Tにおける状態推定値である。この状態推定値ベクトルxtは、後述する事後確率分布推定部12によって算出される状態推定値である。
アピアランス値Atは、追跡対象であるオブジェクトの外見(外観形態)を表す情報であって、例えば、追跡対象の領域の画素値の集合をアピアランスとして用いることができる。
この時間的再現確率テーブルD2は、例えば、図3に示すような、時刻tと、時刻tの姿勢が再び現れる時間的再現確率ptとの組である情報を含む。
なお、ztは、時刻tにおける観測ベクトル、z1:T={z1,・・・,zT}は、観測ベクトルの時刻1から時刻Tまでの系列を表わす。また、xtは、時刻tにおける履歴の状態推定値ベクトルを表わし、状態推定値ベクトルx1:T={x1,・・・,xT}は、履歴の状態推定値ベクトルの時刻1から時刻Tまでの系列を表わす。さらに、Xtは、時刻tにおける履歴情報を表わし、状態推定値ベクトルxtとアピアランス値Atを含む履歴情報X1:T={X1,・・・,XT}は、履歴情報の時刻1から時刻Tまでの系列を表わす。
つまり、現在時刻TのΔt時刻後の事前分布を、現在までの履歴情報X1:Tと、予測時間先Δtとから求めるものとして定義している。
ここでは、Δt時刻後のアピアランス値AT+Δtは、Δt時刻後の位置や姿勢を示す状態推定値ベクトルxT+Δt、過去の位置や姿勢を示す状態推定値ベクトルの履歴x^1:T、およびアピアランス値A1:Tに依存し、予測時間先Δtには依存しないことと仮定している。
まず、物体の回転により、物体の今まで見えていた部分が見えなくなり、また見えなかった部分が現れることで、アピアランスが大きく変化する。しかし、アピアランスは照明変化や非剛体変形などによっても変化する。また、アピアランスの変化そのものをモデル化することは困難である。なぜなら、アピアランスは非常に高次元であり複雑に変化するためである。
上記の仮定と観測に基づき、本実施形態では姿勢とアピアランスとの関係を一種の確率分布として捉えるアプローチを採用する。ここで、ある姿勢が与えられた場合、その姿勢に対応するアピアランスはある幅を持った分布となり、逆にあるアピアランスが与えられた場合、それに対応する姿勢もある幅を持った分布となる。本実施形態では、このような不確定性をベイジアンフィルタの枠組みにより扱うことができる。
ここでは、上述の式(2)の同時事前分布が、対象の位置や姿勢の事前分布π(xT+Δt|x^1:T,Δt)と、それが与えられた下でのアピアランスの条件付き確率分布π(AT+Δt|xT+Δt,x^1:T,A^1:T)の積で表されることに着目し、事前確率分布推定部11を、位置・姿勢の事前分布を表すパーティクルの集合を求め、各パーティクルについてアピアランスを求めるという2段階の構成を有するものとする。ここでは、現在時刻をTとし、現在からΔt時刻後の状態を予測するものとする。また、時刻1からTに至る姿勢の履歴x^1:Tおよびアピアランスの履歴A^1:Tを既に保持しているものとする。
事前確率分布推定部11は、上述の通り、現時刻の事後確率分布の点推定値と過去の姿勢推定値(状態推定値)の履歴を用いて、時刻T+Δtにおける位置や姿勢の事前確率分布を表すパーティクル集合{x*(1),・・・,x*(N)}を得る。これは式(2)の前半部分に相当するものである。
事前確率分布推定部11は、アピアランスの事前確率分布を表すパーティクルを生成するために、式(2)の後半部分の条件付き事前分布π(AT+Δt|xT+Δt,x^1:T,A^1:T)からのランダムサンプリングを行う。これによりステップ1で求められた位置や姿勢の事前確率分布を表すパーティクル{x*(1),・・・,x*(N)}の各々について対応するアピアランス{A*(1),・・・,A*(N)}を生成する。
ここで、必要とされるのは、位置や姿勢x*(i)が与えられた条件でのアピアランスの分布p(A|x*(i))である。事前確率分布推定部11は、このアピアランスの分布を求めるため、x*(i)と類似した過去の姿勢x^tにおけるアピアランス値A^tの混合により算出する。
これにより事前確率分布推定部11は、x*(i)と類似した姿勢x^tを履歴から取得し、x*(i)と過去の類似の姿勢x^tとの差によるアピアランスの差を埋めるため、過去のアピアランス値A^tに対して幾何学変形を施す。ここでは、アピアランスの事前分布p(A|x*(i))を、以下に示す式(3)と定義する。
ここでは、w(t)を履歴選択確率(history selection probability)とする。これは、時間軸上の関数として定義され、アピアランス推定対象の姿勢x*(i)と過去の履歴に含まれる姿勢x^t(t=1,・・・,T)とが類似するほど高い値を示す。
ここでは、位置や姿勢を表わす状態とアピアランスの関係の不確定性を過去の履歴の集合を用いて表現しており、履歴選択確率を用いた履歴からのランダムサンプリングにより、任意の姿勢に対応したアピアランスの分布が得られることを期待している。以下にステップ2の具体的手順を示す。
事前確率分布推定部11は、パーティクルx*(i)と類似した姿勢の履歴をサンプリングする。例えば、事前確率分布推定部11は、x*(i)に対してひとつの過去の姿勢x^t,t〜w(t)を履歴選択確率に基づいてサンプリングする。これは、多くのサンプルx*(i),(i=1,・・・,N)を用いるため、各パーティクルについて、ひとつのアピアランスであってもアピアランスの多様性を十分に表現可能なためである。
ここでは、履歴選択確率w(t)として、アピアランス推定対象の姿勢x*(i)と、各時刻tの履歴における姿勢x^t(t<T)のユークリッド距離の逆数に比例する関数を用いる。
サンプリングされた姿勢x^tとアピアランスの推定対象パーティクルの姿勢x*(i)との差を考慮して、A^tに対して、式(5)の幾何学変形を施すことで、A*(i)を求める。
従って、事後確率分布推定部12は、事前確率分布を表わすパーティクルの集合のそれぞれについて、照合誤差を求め、この照合誤差に基づいて観測尤度を計算する。つまり、事後確率分布推定部12は、事前確率分布推定部11によって算出されたアピアランス値Aを用いて観測尤度を求める。
この事後確率分布は、以下の式(6)で表すことができる。
また、事後確率分布推定部12は、算出した観測尤度に応じたスコアで重み付けされたパーティクルの集合を算出して、これを事後確率分布として推定結果算出部13に出力する。
この推定結果算出部13は、例えば、形状モデル情報D3を、履歴テーブルD1の状態推定値ベクトルxtに応じた変化量で形状モデルを回転・並進させることで、現在の入力画像上での対象の領域を特定して、アピアランスを求める。ここで、アピアランスとは、オブジェクトの外見を表す情報である。例えば、追跡対象の領域の画素値の集合をアピアランスとして用いることができる。
なお、追跡安定性判定部14による信頼性の判定については、重みの最大のパーティクルの重みをしきい値処理することで求めることができる。追跡安定性判定部14は、重みが予め定められたしきい値Rよりも大きい場合、その状態推定結果情報D2は信頼できるものと判定する。
推定対象時刻設定部18は、追跡対象の時刻をインクリメントする。
終了判定部19は、状態推定を継続するか否かを判断する。継続する場合、終了判定部19は、事前確率分布予測部11に対して、再び状態推定を行うことを指示する。
図4に示す通り、本発明の状態推定方法は、事前確率分布を予測する事前確率分布予測ステップST10と事後確率分布を推定する事後確率分布推定ステップST20と、推定結果を算出する推定結果算出ステップST30と、追跡の安定性を判定する追跡安定性判定ステップST40と、履歴を蓄積する履歴蓄積ステップST50と、状態推定対象時刻を設定する対象時刻設定ステップST60と、終了したかどうかを判定する終了判定ステップST70とを有する。
事前確率分布予測部11は、状態の事前確率分布を予測する。ここで状態は、位置や姿勢およびアピアランスを含む。パーティクルフィルタの枠組みでは、確率分布をパーティクルの集合で表わす。そのため、事前確率分布予測部11は、位置や姿勢とアピアランスの同時事前分布を表すパーティクルの集合を求める。
具体的にいうと、推定結果算出部13は、事後確率分布を表すパーティクルの重み付き平均、あるいは、最大尤度を持つパーティクルの姿勢などにより姿勢の推定結果(状態推定結果値D3)を算出する。また、推定結果算出部13は、形状モデル蓄積装置16に蓄積された、追跡対象のおおまかな形状と姿勢推定値とからアピアランスの推定結果(アピアランス推定結果値D6)を算出する。
終了判定ステップST70では、終了判定部19が、状態推定を継続するか否かを判断する。継続する場合はステップST10へ移行する。
次に、図5を参照して、図4に示した事前確率分布予測ステップST10の一例についてさらに詳しく説明する。図5は、事前確率分布予測ステップST10に含まれるステップを説明するためのフローチャートである。
ステップST101で、事前確率分布予測部11は、姿勢の事前確率分布からのランダムサンプリングによって、姿勢の事前確率分布を表す1つのパーティクルを得る。なお、事前確率分布予測部11による姿勢の事前確率分布の取得方法は、パーティクルフィルタの枠組みで頻繁に用いられる、直前の事後確率分布からのランダムウォークなどが利用可能である。ただし、これに限らず、非特許文献1、2に記載の時間的再現確率を用いる方法等であってもよい。
ステップST103で、事前確率分布予測部11は、ステップST101において得られた姿勢とステップST102において推定されたアピアランスの組をパーティクルの集合に加える。
事前確率分布予測部11は、このステップST101〜103をあらかじめ定められた規定のパーティクル数に達するまで繰り返す。
次に、図6を参照して、図4に示した事前確率分布予測ステップST10の他の例についてさらに詳しく説明する。図6は、事前確率分布予測ステップST10に含まれるステップを説明するためのフローチャートである。
ステップST121で、事前確率分布予測部11は、姿勢の事前確率分布からのランダムサンプリングによって、姿勢の事前確率分布を表わす1つのパーティクルを取得し、これを、ランダムノイズを加えて姿勢の事前分布を表すパーティクルとする。
この事前確率分布予測部11は、パーティクルフィルタの枠組みでしばしば用いられるように、直前の事後確率分布からランダムウォークによって姿勢の事前確率分布を求めることができる。また、事前確率分布予測部11は、非特許文献1、2のように、過去の履歴が時間的再現確率に従って再びあらわれることを仮定して姿勢の事前確率分布を求めるものであっても良い。
ステップST123で、事前確率分布予測部11は、履歴のアピアランスを、パーティクルの姿勢と、選択された履歴の姿勢に基づいて幾何変形し、パーティクルのアピアランスを推定する。幾何変形は、3次元回転などが考えられる。
ステップST124で、事前確率分布予測部11は、ステップST121で得られた姿勢と、ステップST123で得られたアピアランスの組を、事前分布を表すパーティクル集合に加える。
また、照合誤差の計算方法として、画素値の絶対誤差の和、画素値の絶対誤差eに対してロバスト関数を適用したものg(e)=e/(e+1)などが利用可能であるが、本発明はこれに限られない。
この推定結果算出部13は、アピアランスの推定結果の算出において、追跡対象の形状モデルを姿勢推定結果によって回転・並進することで、対象の画面上での位置を求め、その領域のアピアランスを、推定結果のアピアランスとして得る。物体は姿勢が変化すると観測される外見は変化する。
本発明では、形状モデル蓄積装置16に蓄積された既知の形状モデルを、姿勢推定結果に応じて回転・並進させることで、現在観測できる外見(外観形態)を特定する。特定された追跡対象の領域からアピアランスを取得する。
ステップST50で、履歴蓄積部17は、履歴を蓄積する。本発明における履歴は、ステップST30で求められる過去の姿勢推定値(状態推定値)とアピアランス値の組である。これを履歴蓄積装置15に蓄積する。
本実施形態に係る状態推定装置2は、カメラによって撮影される映像中に映る人物の顔姿勢の追跡を行う。この状態推定装置2は、図7に示す通り、上述の状態推定装置1にカメラ21と画像処理部22とをさらに備える構成である。ここでは各構成の詳細については、第1実施形態と同一の符号を付すことで、その説明を省略する。
この顔状態の追跡とは、顔の画面上での位置および向き(姿勢)を推定することである。本発明では、追跡対象の位置と姿勢x(画面上での顔の中心(mx,my)と3軸中心回転(rx,ry,rz)を含むベクトル)とアピアランス値Aを推定対象の状態を示す情報とする。
(2.1)第2段階では、まず、事前確率分布予測部11が、アピアランス推定対象のパーティクルの姿勢と類似した姿勢の過去の履歴を選択する。この選択は履歴選択確率に基づいて確率的に行う。履歴選択確率は、姿勢の類似性に基づいて、過去の時間軸上に定義される。本実施例では、パーティクルの姿勢と、各時刻における履歴の姿勢との差の逆数に比例する値をとるものとする。
以上の2段階の処理により、事前確率分布予測部11は、姿勢とアピアランスの同時事前分布を表すパーティクルの集合を得ることができる。
本実施例では、顔領域から、エッジ近傍および画素値の極大・極小点から約250点の注目点を選択し、注目点の座標とその画素値の集合をアピアランスとする。
ステップST907で、履歴蓄積部17は、履歴を蓄積する。すなわちステップST905で得られた姿勢推定値(状態推定値)とアピアランスの組を履歴として蓄積する。
ステップST907で、推定対象時刻設定部18は、処理対象の時刻を1増やす。
ステップST909で、終了判定部19は、映像が終了したか判定を行い、終了していれば終了。終了していなければステップST902へ戻る。
しかし、本発明によると、姿勢とアピアランスの同時事前確率分布を予測するよう拡張することで、M−PFの特長を保ちつつ追跡可能な姿勢の範囲を広げることができる。
Claims (5)
- 過去の時刻における観測対象の位置と姿勢を示す状態情報と、当該時刻における前記観測対象の外観形態を示すアピアランス情報と、当該時刻において前記観測対象が前記状態情報の示す状態となる確率を示す時間的再現確率を、それぞれ対応付けるテーブルを記憶する履歴蓄積装置と、
過去の前記状態情報および前記時間的再現確率に基づき、未来の前記観測対象の位置と姿勢を示す状態を複数のパーティクルにより表わす状態事前確率分布を作成するとともに、前記状態情報と対応付けられている前記アピアランス情報に基づき、未来の前記観測対象の外観形態を表わすアピアランス事前確率分布を作成する事前確率分布予測部と、
外部の観測装置が測定する前記観測対象に関する観測情報を入力し、当該観測情報と前記アピアランス事前確率分布とを照合してこの照合誤差に基づいて観測尤度を算出し、当該観測尤度に応じた重み付けを前記状態事前確率分布に行い事後確率分布を作成する事後確率分布推定部と、
前記事後確率分布が示す前記状態情報を前記履歴蓄積装置に更新して蓄積する履歴蓄積部と
を備えることを特徴とする状態推定装置。 - 前記時間的再現確率は、
前記過去の経時的な前記観測対象の状態の変化と、直前の前記状態情報の類似性に基づいて算出されることを特徴とする請求項1に記載の状態推定装置。 - 事前確率分布予測部は、
前記状態事前確率分布を表わす前記複数のパーティクルと類似する前記状態情報を選択し、当該状態情報と対応付けられている前記アピアランス情報に基づき、前記アピアランス事前確率分布を作成することを特徴とする請求項1あるいは2に記載の状態推定装置。 - 過去の時刻における観測対象の位置と姿勢を示す状態情報と、当該時刻における前記観測対象の外観形態を示すアピアランス情報と、当該時刻において前記観測対象が前記状態情報の示す状態となる確率を示す時間的再現確率を、それぞれ対応付けるテーブルを記憶する履歴蓄積装置を備える状態推定装置における状態推定方法であって、
過去の前記状態情報および前記時間的再現確率に基づき、未来の前記観測対象の位置と姿勢を示す状態を複数のパーティクルにより表わす状態事前確率分布を作成するとともに、前記状態情報と対応付けられている前記アピアランス情報に基づき、未来の前記観測対象の外観形態を表わすアピアランス事前確率分布を作成する事前確率分布予測ステップと、
外部の観測装置が測定する前記観測対象に関する観測情報を入力し、当該観測情報と前記アピアランス事前確率分布とを照合してこの照合誤差に基づいて観測尤度を算出し、当該観測尤度に応じた重み付けを前記状態事前確率分布に行い事後確率分布を作成する事後確率分布推定ステップと、
前記事後確率分布が示す前記状態情報を前記履歴蓄積装置に更新して蓄積する履歴蓄積ステップと、
を備えることを特徴とする状態推定方法。 - コンピュータに、
過去の時刻における観測対象の位置と姿勢を示す状態情報と、当該時刻における前記観測対象の外観形態を示すアピアランス情報と、当該時刻において前記観測対象が前記状態情報の示す状態となる確率を示す時間的再現確率を、それぞれ対応付けるテーブルを記憶する履歴記憶手段、
過去の前記状態情報および前記時間的再現確率に基づき、未来の前記観測対象の位置と姿勢を示す状態を複数のパーティクルにより表わす状態事前確率分布を作成するとともに、前記状態情報と対応付けられている前記アピアランス情報に基づき、未来の前記観測対象の外観形態を表わすアピアランス事前確率分布を作成する事前確率分布予測手段、
外部の観測装置が測定する前記観測対象に関する観測情報を入力し、当該観測情報と前記アピアランス事前確率分布とを照合してこの照合誤差に基づいて観測尤度を算出し、当該観測尤度に応じた重み付けを前記状態事前確率分布に行い事後確率分布を作成する事後確率分布推定手段、
前記事後確率分布が示す前記状態情報を前記履歴記憶手段に更新して蓄積する履歴蓄積手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010140961A JP5340228B2 (ja) | 2010-06-21 | 2010-06-21 | 状態推定装置、状態推定方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010140961A JP5340228B2 (ja) | 2010-06-21 | 2010-06-21 | 状態推定装置、状態推定方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012003719A true JP2012003719A (ja) | 2012-01-05 |
JP5340228B2 JP5340228B2 (ja) | 2013-11-13 |
Family
ID=45535580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010140961A Active JP5340228B2 (ja) | 2010-06-21 | 2010-06-21 | 状態推定装置、状態推定方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5340228B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013200682A (ja) * | 2012-03-23 | 2013-10-03 | Nippon Telegr & Teleph Corp <Ntt> | 時間的再現確率推定装置、状態追跡装置、方法、及びプログラム |
JP2013200683A (ja) * | 2012-03-23 | 2013-10-03 | Nippon Telegr & Teleph Corp <Ntt> | 状態追跡装置、方法、及びプログラム |
CN103839280A (zh) * | 2014-03-21 | 2014-06-04 | 武汉科技大学 | 一种基于视觉信息的人体姿态跟踪方法 |
JP2015212861A (ja) * | 2014-05-01 | 2015-11-26 | 日本電信電話株式会社 | 多関節物体追跡装置、多関節物体追跡方法、及びプログラム |
WO2016011745A1 (zh) * | 2014-07-23 | 2016-01-28 | 小米科技有限责任公司 | 图像分割方法、装置及设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6874776B2 (ja) * | 2017-01-24 | 2021-05-19 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、情報処理プログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009091029A1 (ja) * | 2008-01-16 | 2009-07-23 | Asahi Kasei Kabushiki Kaisha | 顔姿勢推定装置、顔姿勢推定方法、及び、顔姿勢推定プログラム |
-
2010
- 2010-06-21 JP JP2010140961A patent/JP5340228B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009091029A1 (ja) * | 2008-01-16 | 2009-07-23 | Asahi Kasei Kabushiki Kaisha | 顔姿勢推定装置、顔姿勢推定方法、及び、顔姿勢推定プログラム |
Non-Patent Citations (3)
Title |
---|
CSNG200501405028; 岡 兼司: '適応的拡散制御を伴うパーティクルフィルタを用いた頭部姿勢推定システム' 電子情報通信学会論文誌 第J88-D-II巻 第8号, 20050801, p.1601-1613, 社団法人電子情報通信学会 * |
JPN6013036720; 岡 兼司: '適応的拡散制御を伴うパーティクルフィルタを用いた頭部姿勢推定システム' 電子情報通信学会論文誌 第J88-D-II巻 第8号, 20050801, p.1601-1613, 社団法人電子情報通信学会 * |
JPN7013002785; 三上 弾: '頑健な顔姿勢追跡のための状態履歴の記憶に基づくパーティクルフィルタ' 画像の認識・理解シンポジウム(MIRU2009) , 20090722, OS3-1:63-70 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013200682A (ja) * | 2012-03-23 | 2013-10-03 | Nippon Telegr & Teleph Corp <Ntt> | 時間的再現確率推定装置、状態追跡装置、方法、及びプログラム |
JP2013200683A (ja) * | 2012-03-23 | 2013-10-03 | Nippon Telegr & Teleph Corp <Ntt> | 状態追跡装置、方法、及びプログラム |
CN103839280A (zh) * | 2014-03-21 | 2014-06-04 | 武汉科技大学 | 一种基于视觉信息的人体姿态跟踪方法 |
JP2015212861A (ja) * | 2014-05-01 | 2015-11-26 | 日本電信電話株式会社 | 多関節物体追跡装置、多関節物体追跡方法、及びプログラム |
WO2016011745A1 (zh) * | 2014-07-23 | 2016-01-28 | 小米科技有限责任公司 | 图像分割方法、装置及设备 |
US9665945B2 (en) | 2014-07-23 | 2017-05-30 | Xiaomi Inc. | Techniques for image segmentation |
Also Published As
Publication number | Publication date |
---|---|
JP5340228B2 (ja) | 2013-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5340228B2 (ja) | 状態推定装置、状態推定方法、およびプログラム | |
CN110490076B (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
WO2020125623A1 (zh) | 活体检测方法、装置、存储介质及电子设备 | |
US9928443B2 (en) | Image processing apparatus and method for fitting a deformable shape model to an image using random forest regression voting | |
US8140458B2 (en) | Information processing apparatus, information processing method, and computer program | |
JP6161257B2 (ja) | イベント検出装置及びその方法、動作認識装置及びその方法、プログラム | |
US20100185571A1 (en) | Information processing apparatus, information processing method, and program | |
US20100202670A1 (en) | Context aware, multiple target image recognition | |
JP2004199669A (ja) | 顔検出 | |
JP2004192637A (ja) | 顔検出 | |
WO2015186436A1 (ja) | 画像処理装置、画像処理方法、および、画像処理プログラム | |
JP2009140366A (ja) | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム | |
JP4880805B2 (ja) | 物体位置推定装置、物体位置推定方法、及び、物体位置推定プログラム | |
JP2011510420A5 (ja) | ||
TWI707243B (zh) | 基於眼球跟蹤之活體檢測的方法、裝置及系統 | |
JP5087037B2 (ja) | 画像処理装置、方法及びプログラム | |
CN111753643A (zh) | 人物姿态识别方法、装置、计算机设备和存储介质 | |
JP5674550B2 (ja) | 状態追跡装置、方法、及びプログラム | |
CN108875549B (zh) | 图像识别方法、装置、系统及计算机存储介质 | |
US20120314904A1 (en) | Image collation system, image collation method and computer program | |
JP5436351B2 (ja) | 状態推定装置、状態推定方法、およびプログラム | |
CN111263955A (zh) | 一种目标对象的移动轨迹确定方法和装置 | |
WO2022105745A1 (zh) | 用于在图像跟踪过程中确定跟踪对象的位姿的方法及装置 | |
JP2010108496A (ja) | データをあらわす属性を選択する方法、コンピューター読み取り可能な媒体、生成モデルを形成する方法および生成モデルを形成するシステム | |
JP2009042910A (ja) | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121029 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20130605 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130719 |
|
TRDD | Decision of grant or rejection written | ||
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20130725 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130730 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130806 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5340228 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |