JP2021189892A - 行動区間推定モデル構築装置、行動区間推定モデル構築方法及び行動区間推定モデル構築プログラム - Google Patents
行動区間推定モデル構築装置、行動区間推定モデル構築方法及び行動区間推定モデル構築プログラム Download PDFInfo
- Publication number
- JP2021189892A JP2021189892A JP2020096207A JP2020096207A JP2021189892A JP 2021189892 A JP2021189892 A JP 2021189892A JP 2020096207 A JP2020096207 A JP 2020096207A JP 2020096207 A JP2020096207 A JP 2020096207A JP 2021189892 A JP2021189892 A JP 2021189892A
- Authority
- JP
- Japan
- Prior art keywords
- action
- learned
- hidden
- supervised
- observation
- 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
- 238000000034 method Methods 0.000 title description 16
- 230000007704 transition Effects 0.000 claims abstract description 51
- 230000033001 locomotion Effects 0.000 claims description 55
- 238000010276 construction Methods 0.000 claims description 30
- 230000006399 behavior Effects 0.000 claims description 25
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 230000036544 posture Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 238000009826 distribution Methods 0.000 description 13
- 239000013598 vector Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
性質1:作業を構成する各行動の違いは、限定された複数の動作の組合せの違いである。
性質2:同じ作業を行う際に観測される複数の姿勢は類似している。
1.第1HMMの全行動で共通な動作の観測確率は教師なし学習で学習する。
2.第1HMMの動作間の遷移確率は、教師あり種データから水増しした教師ありデータを使用して、教師あり学習で学習する。
(1)腕を上げる、(2)腕を降ろす、(3)腕を前に伸ばす、(4)両手を身体の前で近づける、(5)前に移動する、(6)横に移動する、(7)しゃがむ、(8)立つ
行動a31:(1)腕を上げる→(3)腕を前に伸ばす→(1)腕を上げる→(4)両手を身体の前で近づける→(7)しゃがむ、
行動a32:(7)しゃがむ→(4)両手を身体の前で近づける→(8)立つ→(5)前に移動する→(3)腕を前に伸ばす、など
(付記1)
人の動作の種類を状態とする複数の第1隠れマルコフモデルの各々であって、かつ、複数の前記動作を組み合わせて定まる行動を状態とする第2隠れマルコフモデルを含む隠れセミマルコフモデルにおいて、前記複数の第1隠れマルコフモデルの前記動作の種類ごとの観測確率を教師なし学習で学習する観測確率学習部と、
前記観測確率学習部にて学習した前記観測確率を固定し、入力された第1教師ありデータを水増しすることで第2教師ありデータとし、前記第1隠れマルコフモデルの前記動作の遷移確率を前記第2教師ありデータを使用した教師あり学習で学習する遷移確率学習部と、
前記観測確率学習部で学習した前記観測確率及び前記遷移確率学習部で学習した前記遷移確率を使用して前記行動の区間を推定するモデルである前記隠れセミマルコフモデルを構築する構築部と、
を含む行動区間推定モデル構築装置。
(付記2)
前記遷移確率学習部は、前記第1教師ありデータにノイズを付加してオーバーサンプリングすることで生成したデータの各々に前記第1教師ありデータの教師情報を付加することで水増しをする、
付記1の行動区間推定モデル構築装置。
(付記3)
前記ノイズはランダムノイズである、
付記2の行動区間推定モデル構築装置。
(付記4)
前記ノイズは、前記複数の動作のサンプルの散らばりが大きいほど大きくばらつくノイズである、
付記2の行動区間推定モデル構築装置。
(付記5)
コンピュータが、
人の動作の種類を状態とする複数の第1隠れマルコフモデルの各々であって、かつ、複数の前記動作を組み合わせて定まる行動を状態とする第2隠れマルコフモデルを含む隠れセミマルコフモデルにおいて、前記複数の第1隠れマルコフモデルの前記動作の種類ごとの観測確率を教師なし学習で学習し、
学習した前記観測確率を固定し、入力された第1教師ありデータを水増しすることで第2教師ありデータとし、前記第1隠れマルコフモデルの前記動作の遷移確率を前記第2教師ありデータを使用した教師あり学習で学習し、
学習した前記観測確率及び前記遷移確率を使用して前記行動の区間を推定するモデルである前記隠れセミマルコフモデルを構築する、
行動区間推定モデル構築方法。
(付記6)
前記第1教師ありデータにノイズを付加してオーバーサンプリングすることで生成したデータの各々に前記第1教師ありデータの教師情報を付加することで水増しをする、
付記5の行動区間推定モデル構築方法。
(付記7)
前記ノイズはランダムノイズである、
付記6の行動区間推定モデル構築方法。
(付記8)
前記ノイズは、前記複数の動作のサンプルの散らばりが大きいほど大きくばらつくノイズである、
付記6の行動区間推定モデル構築方法。
(付記9)
人の動作の種類を状態とする複数の第1隠れマルコフモデルの各々であって、かつ、複数の前記動作を組み合わせて定まる行動を状態とする第2隠れマルコフモデルを含む隠れセミマルコフモデルにおいて、前記複数の第1隠れマルコフモデルの前記動作の種類ごとの観測確率を教師なし学習で学習し、
学習した前記観測確率を固定し、入力された第1教師ありデータを水増しすることで第2教師ありデータとし、前記第1隠れマルコフモデルの前記動作の遷移確率を前記第2教師ありデータを使用した教師あり学習で学習し、
学習した前記観測確率及び前記遷移確率を使用して前記行動の区間を推定するモデルである前記隠れセミマルコフモデルを構築する、
処理をコンピュータに実行させる行動区間推定モデル構築プログラム。
(付記10)
前記第1教師ありデータにノイズを付加してオーバーサンプリングすることで生成したデータの各々に前記第1教師ありデータの教師情報を付加することで水増しをする、
付記9の行動区間推定モデル構築プログラム。
(付記11)
前記ノイズはランダムノイズである、
付記10の行動区間推定モデル構築プログラム。
(付記12)
前記ノイズは、前記複数の動作のサンプルの散らばりが大きいほど大きくばらつくノイズである、
付記10の行動区間推定モデル構築プログラム。
11 観測確率学習部
12 遷移確率学習部
13 構築部
51 CPU
52 一次記憶装置
53 二次記憶装置
Claims (6)
- 人の動作の種類を状態とする複数の第1隠れマルコフモデルの各々であって、かつ、複数の前記動作を組み合わせて定まる行動を状態とする第2隠れマルコフモデルを含む隠れセミマルコフモデルにおいて、前記複数の第1隠れマルコフモデルの前記動作の種類ごとの観測確率を教師なし学習で学習する観測確率学習部と、
前記観測確率学習部にて学習した前記観測確率を固定し、入力された第1教師ありデータを水増しすることで第2教師ありデータとし、前記第1隠れマルコフモデルの前記動作の遷移確率を前記第2教師ありデータを使用した教師あり学習で学習する遷移確率学習部と、
前記観測確率学習部で学習した前記観測確率及び前記遷移確率学習部で学習した前記遷移確率を使用して前記行動の区間を推定するモデルである前記隠れセミマルコフモデルを構築する構築部と、
を含む行動区間推定モデル構築装置。 - 前記遷移確率学習部は、前記第1教師ありデータにノイズを付加してオーバーサンプリングすることで生成したデータの各々に前記第1教師ありデータの教師情報を付加することで水増しをする、
請求項1に記載の行動区間推定モデル構築装置。 - 前記ノイズはランダムノイズである、
請求項2に記載の行動区間推定モデル構築装置。 - 前記ノイズは、前記複数の動作のサンプルの散らばりが大きいほど大きくばらつくノイズである、
請求項2に記載の行動区間推定モデル構築装置。 - コンピュータが、
人の動作の種類を状態とする複数の第1隠れマルコフモデルの各々であって、かつ、複数の前記動作を組み合わせて定まる行動を状態とする第2隠れマルコフモデルを含む隠れセミマルコフモデルにおいて、前記複数の第1隠れマルコフモデルの前記動作の種類ごとの観測確率を教師なし学習で学習し、
学習した前記観測確率を固定し、入力された第1教師ありデータを水増しすることで第2教師ありデータとし、前記第1隠れマルコフモデルの前記動作の遷移確率を前記第2教師ありデータを使用した教師あり学習で学習し、
学習した前記観測確率及び前記遷移確率を使用して前記行動の区間を推定するモデルである前記隠れセミマルコフモデルを構築する、
行動区間推定モデル構築方法。 - 人の動作の種類を状態とする複数の第1隠れマルコフモデルの各々であって、かつ、複数の前記動作を組み合わせて定まる行動を状態とする第2隠れマルコフモデルを含む隠れセミマルコフモデルにおいて、前記複数の第1隠れマルコフモデルの前記動作の種類ごとの観測確率を教師なし学習で学習し、
学習した前記観測確率を固定し、入力された第1教師ありデータを水増しすることで第2教師ありデータとし、前記第1隠れマルコフモデルの前記動作の遷移確率を前記第2教師ありデータを使用した教師あり学習で学習し、
学習した前記観測確率及び前記遷移確率を使用して前記行動の区間を推定するモデルである前記隠れセミマルコフモデルを構築する、
処理をコンピュータに実行させる行動区間推定モデル構築プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020096207A JP7472658B2 (ja) | 2020-06-02 | 2020-06-02 | 行動区間推定モデル構築装置、行動区間推定モデル構築方法及び行動区間推定モデル構築プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020096207A JP7472658B2 (ja) | 2020-06-02 | 2020-06-02 | 行動区間推定モデル構築装置、行動区間推定モデル構築方法及び行動区間推定モデル構築プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021189892A true JP2021189892A (ja) | 2021-12-13 |
JP7472658B2 JP7472658B2 (ja) | 2024-04-23 |
Family
ID=78849906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020096207A Active JP7472658B2 (ja) | 2020-06-02 | 2020-06-02 | 行動区間推定モデル構築装置、行動区間推定モデル構築方法及び行動区間推定モデル構築プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7472658B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110758399A (zh) * | 2018-07-27 | 2020-02-07 | 通用汽车环球科技运作有限责任公司 | 用于预测实体行为的系统和方法 |
CN117289600A (zh) * | 2023-08-30 | 2023-12-26 | 淮阴工学院 | 一种转移概率部分未知的模糊半马尔科夫跳变系统的非周期采样控制方法 |
WO2024047716A1 (ja) * | 2022-08-29 | 2024-03-07 | 富士通株式会社 | 機械学習プログラム、機械学習方法および情報処理装置 |
WO2024047715A1 (ja) * | 2022-08-29 | 2024-03-07 | 富士通株式会社 | 機械学習プログラム、機械学習方法および情報処理装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6908286B2 (ja) | 2016-09-06 | 2021-07-21 | 国立大学法人電気通信大学 | 情報処理装置、情報処理方法およびプログラム |
JP7124404B2 (ja) | 2018-04-12 | 2022-08-24 | 富士通株式会社 | 機械学習プログラム、機械学習方法および機械学習装置 |
-
2020
- 2020-06-02 JP JP2020096207A patent/JP7472658B2/ja active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110758399A (zh) * | 2018-07-27 | 2020-02-07 | 通用汽车环球科技运作有限责任公司 | 用于预测实体行为的系统和方法 |
CN110758399B (zh) * | 2018-07-27 | 2023-04-18 | 通用汽车环球科技运作有限责任公司 | 用于预测实体行为的系统和方法 |
WO2024047716A1 (ja) * | 2022-08-29 | 2024-03-07 | 富士通株式会社 | 機械学習プログラム、機械学習方法および情報処理装置 |
WO2024047715A1 (ja) * | 2022-08-29 | 2024-03-07 | 富士通株式会社 | 機械学習プログラム、機械学習方法および情報処理装置 |
CN117289600A (zh) * | 2023-08-30 | 2023-12-26 | 淮阴工学院 | 一种转移概率部分未知的模糊半马尔科夫跳变系统的非周期采样控制方法 |
CN117289600B (zh) * | 2023-08-30 | 2024-07-23 | 淮阴工学院 | 一种转移概率部分未知的模糊半马尔科夫跳变系统的非周期采样控制方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7472658B2 (ja) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7472658B2 (ja) | 行動区間推定モデル構築装置、行動区間推定モデル構築方法及び行動区間推定モデル構築プログラム | |
US9852326B2 (en) | Facial expression capture for character animation | |
JP4201012B2 (ja) | データ処理装置、データ処理方法、およびプログラム | |
KR102239714B1 (ko) | 신경망 학습 방법 및 장치, 데이터 처리 장치 | |
US7783585B2 (en) | Data processing device, data processing method, and program | |
JP5520886B2 (ja) | 行動モデル学習装置、方法、及びプログラム | |
Chatzis et al. | A quantum-statistical approach toward robot learning by demonstration | |
Sadoughi et al. | Meaningful head movements driven by emotional synthetic speech | |
KR20210136706A (ko) | 전자 장치 및 이의 제어 방법 | |
JP5361615B2 (ja) | 行動制御学習方法、行動制御学習装置、行動制御学習プログラム | |
Rosa-Pujazón et al. | Fast-gesture recognition and classification using Kinect: an application for a virtual reality drumkit | |
Goutsu et al. | Classification of multi-class daily human motion using discriminative body parts and sentence descriptions | |
Spaulding et al. | Frustratingly easy personalization for real-time affect interpretation of facial expression | |
WO2022162782A1 (ja) | 行動区間推定モデル構築装置、行動区間推定モデル構築方法及び行動区間推定モデル構築プログラム | |
Vrigkas et al. | Human activity recognition using robust adaptive privileged probabilistic learning | |
WO2022162780A1 (ja) | 部分行動区間推定モデル構築装置、部分行動区間推定モデル構築方法及び部分行動区間推定モデル構築プログラム | |
JP2008046864A (ja) | 顔画像認識装置及び顔画像認識プログラム | |
WO2022162781A1 (ja) | 行動系列判定装置、行動系列判定方法、及び行動系列判定プログラム | |
JP7428233B2 (ja) | クラスタリング装置、クラスタリング方法、および、クラスタリングプログラム | |
CN112434629B (zh) | 一种在线时序动作检测方法及设备 | |
KR20230113012A (ko) | 동영상 딥페이크 탐지를 위한 페이크 비디오 검증 방법 및 이를 수행하는 전자 장치 | |
Berlier et al. | Augmenting simulation data with sensor effects for improved domain transfer | |
JP2022148878A (ja) | プログラム、情報処理装置、及び方法 | |
JP2007280057A (ja) | データ処理装置、データ処理方法、およびプログラム | |
JP2005056340A (ja) | 情報処理装置および方法、プログラム格納媒体、並びにプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230309 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240312 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240313 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240325 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7472658 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |