JP6857547B2 - 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム - Google Patents
移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6857547B2 JP6857547B2 JP2017103358A JP2017103358A JP6857547B2 JP 6857547 B2 JP6857547 B2 JP 6857547B2 JP 2017103358 A JP2017103358 A JP 2017103358A JP 2017103358 A JP2017103358 A JP 2017103358A JP 6857547 B2 JP6857547 B2 JP 6857547B2
- Authority
- JP
- Japan
- Prior art keywords
- time series
- sensor data
- data
- movement
- image data
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Description
まず、本発明の実施の形態に係る移動状況認識モデル学習装置の構成について説明する。図1に示すように、本発明の実施の形態に係る移動状況認識モデル学習装置10は、入力部20と、演算部30と、出力部50とを備えている。
図2は、本発明の一実施の形態における移動状況認識モデル学習装置10により実行されるモデル学習処理ルーチンのフローチャートである。以下、具体的に説明する。
ステップS100では、映像データ前処理部36は、映像データDB32からデータを受け取り処理する。処理の詳細は後述する。図3に映像データDB32のデータの記憶形式の例を示す。映像データはMpeg4形式などで圧縮されたファイルで格納されており、それぞれ前述のとおりセンサデータと紐付けるためのデータIDと紐付いている。また、映像データは、移動体の一例であるユーザに装着されたグラスウェア等を通じて取得された一人称視点の映像データである。
次に、本発明の実施の形態に係る移動状況認識装置の構成について説明する。図13に示すように、本発明の実施の形態に係る移動状況認識装置100は、入力部120と、演算部130と、出力部150とを備えている。
図14は、本発明の一実施の形態における移動状況認識装置100により実行される移動状況認識処理ルーチンのフローチャートである。以下、具体的に説明する。
まず、移動状況認識モデル学習装置10により出力されたDNNモデル(ネットワーク構造及びモデルパラメータ)が移動状況認識装置100に入力されると、移動状況認識装置100によって、入力されたDNNモデルが、移動状況認識DNNモデルDB148へ格納される。そして、移動状況認識装置100は、映像データとセンサデータの時系列とのペアが入力されると、以下の各処理を実行する。
20、120 入力部
30、130 演算部
36、136 映像データ前処理部
38、138 センサデータ前処理部
42 移動状況認識半教師ありDNNモデル構築部
44 移動状況認識DNNモデル教師なし学習部
46 移動状況認識DNNモデル教師あり学習部
50、150 出力部
100 移動状況認識装置
140 移動状況認識部
150 出力部
Claims (7)
- 移動体に搭載されたカメラの画像データの時系列及び前記移動体に搭載されたセンサのセンサデータの時系列を入力とし、サンプリングしたフレーム毎に、前記フレームの画像の特徴と、前記フレームと対応するセンサデータの特徴とを抽出し、前記フレームの画像の特徴と、前記フレームと対応するセンサデータの特徴とを抽象化した特徴を、系列データとして抽象化し、前記系列データとして抽出化した特徴から、前記移動体の移動状況を認識するためのDNN(Deep Neural Network)モデルであって、更に、前記系列データとして抽象化した特徴から、復号画像データの時系列及び復号センサデータの時系列を復号するDNNモデルを構築する移動状況認識半教師ありDNNモデル構築部と、
前記画像データの時系列及び前記センサデータの時系列に基づいて、前記画像データの時系列及び前記センサデータの時系列を入力したときに前記DNNモデルから出力される、前記復号画像データの時系列及び前記復号センサデータの時系列と、前記画像データの時系列及び前記センサデータの時系列とが一致するように、前記DNNモデルのパラメータを学習する移動状況認識DNNモデル教師なし学習部と、
前記学習された前記DNNモデルのパラメータと、前記画像データの時系列及び前記センサデータの時系列と、前記画像データの時系列及び前記センサデータの時系列に対して予め付与された移動状況を示すアノテーションとに基づいて、前記画像データの時系列及び前記センサデータの時系列を入力したときに前記DNNモデルにより認識される移動状況が、前記アノテーションが示す移動状況と一致するように、前記DNNモデルのパラメータを学習する移動状況認識DNN教師あり学習部と、
を含む移動状況認識モデル学習装置。 - 前記画像データの時系列に対して、サンプリング及び正規化を行う映像データ前処理部と、
前記センサデータの時系列に対して、正規化及び特徴ベクトル化を行うセンサデータ前処理部とを更に含み、
前記移動状況認識DNNモデル教師なし学習部は、前記映像データ前処理部の処理結果及び前記センサデータ前処理部の処理結果を用いて、前記DNNモデルのパラメータを学習し、
前記移動状況認識DNNモデル教師あり学習部は、前記映像データ前処理部の処理結果及び前記センサデータ前処理部の処理結果を用いて、前記DNNモデルのパラメータを学習する請求項1記載の移動状況認識モデル学習装置。 - 認識対象の移動体についての画像データの時系列及びセンサデータの時系列を、請求項1又は2記載の移動状況認識モデル学習装置によって学習された前記DNNモデルに入力して、前記移動体の移動状況を認識する移動状況認識部
を含む移動状況認識装置。 - 前記画像データの時系列に対して、サンプリング及び正規化を行う映像データ前処理部と、
前記センサデータの時系列に対して、正規化及び特徴ベクトル化を行うセンサデータ前処理部とを更に含み、
前記移動状況認識部は、前記映像データ前処理部の処理結果及び前記センサデータ前処理部の処理結果を前記DNNモデルに入力して、前記移動体の移動状況を認識する請求項3記載の移動状況認識装置。 - 移動状況認識半教師ありDNNモデル構築部が、移動体に搭載されたカメラの画像データの時系列及び前記移動体に搭載されたセンサのセンサデータの時系列を入力とし、サンプリングしたフレーム毎に、前記フレームの画像の特徴と、前記フレームと対応するセンサデータの特徴とを抽出し、前記フレームの画像の特徴と、前記フレームと対応するセンサデータの特徴とを抽象化した特徴を、系列データとして抽象化し、前記系列データとして抽出化した特徴から、前記移動体の移動状況を認識するためのDNN(Deep Neural Network)モデルであって、更に、前記系列データとして抽象化した特徴から、復号画像データの時系列及び復号センサデータの時系列を復号するDNNモデルを構築し、
移動状況認識DNNモデル教師なし学習部が、前記画像データの時系列及び前記センサデータの時系列に基づいて、前記画像データの時系列及び前記センサデータの時系列を入力したときに前記DNNモデルから出力される、前記復号画像データの時系列及び前記復号センサデータの時系列と、前記画像データの時系列及び前記センサデータの時系列とが一致するように、前記DNNモデルのパラメータを学習し、
移動状況認識DNN教師あり学習部が、前記学習された前記DNNモデルのパラメータと、前記画像データの時系列及び前記センサデータの時系列と、前記画像データの時系列及び前記センサデータの時系列に対して予め付与された移動状況を示すアノテーションとに基づいて、前記画像データの時系列及び前記センサデータの時系列を入力したときに前記DNNモデルにより認識される移動状況が、前記アノテーションが示す移動状況と一致するように、前記DNNモデルのパラメータを学習する
移動状況認識モデル学習方法。 - 移動状況認識部が、認識対象の移動体についての画像データの時系列及びセンサデータの時系列を、請求項5記載の移動状況認識モデル学習方法によって学習された前記DNNモデルに入力して、前記移動体の移動状況を認識する
移動状況認識方法。 - コンピュータを、請求項1若しくは2に記載の移動状況認識モデル学習装置、又は請求項3若しくは4に記載の移動状況認識装置の各部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 |
---|---|---|---|
JP2017103358A JP6857547B2 (ja) | 2017-05-25 | 2017-05-25 | 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017103358A JP6857547B2 (ja) | 2017-05-25 | 2017-05-25 | 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018198028A JP2018198028A (ja) | 2018-12-13 |
JP6857547B2 true JP6857547B2 (ja) | 2021-04-14 |
Family
ID=64663724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017103358A Active JP6857547B2 (ja) | 2017-05-25 | 2017-05-25 | 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6857547B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101902997B1 (ko) * | 2018-03-29 | 2018-10-01 | 한국해양과학기술원 | 비지도 학습방법을 이용한 선박의 이상 운항 상태 자동 식별 시스템 및 그 방법 |
JP7092062B2 (ja) * | 2019-02-20 | 2022-06-28 | 日本電信電話株式会社 | イベント発生時刻学習装置、イベント発生時刻推定装置、イベント発生時刻推定方法、イベント発生時刻学習プログラム、及びイベント発生時刻推定プログラム |
JP2020154551A (ja) * | 2019-03-19 | 2020-09-24 | 株式会社日立製作所 | 行動解析装置、及び、行動解析方法 |
JP7275903B2 (ja) * | 2019-06-25 | 2023-05-18 | 日本電信電話株式会社 | データ分析システム、データ分析方法及びプログラム |
US10950352B1 (en) | 2020-07-17 | 2021-03-16 | Prince Mohammad Bin Fahd University | System, computer-readable storage medium and method of deep learning of texture in short time series |
CN117296067A (zh) * | 2021-05-07 | 2023-12-26 | 发那科株式会社 | 机器学习装置、分类装置以及控制装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013152595A (ja) * | 2012-01-25 | 2013-08-08 | Sony Corp | 情報処理装置および方法、並びにプログラム |
JP5480440B1 (ja) * | 2013-12-03 | 2014-04-23 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
-
2017
- 2017-05-25 JP JP2017103358A patent/JP6857547B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018198028A (ja) | 2018-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6857547B2 (ja) | 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム | |
JP6529470B2 (ja) | 移動状況学習装置、移動状況認識装置、方法、及びプログラム | |
Challa et al. | A multibranch CNN-BiLSTM model for human activity recognition using wearable sensor data | |
JP6900576B2 (ja) | 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム | |
US20200380245A1 (en) | Image processing for person recognition | |
Islam et al. | An efficient human computer interaction through hand gesture using deep convolutional neural network | |
CN111444850B (zh) | 一种图片检测的方法和相关装置 | |
CN111797589A (zh) | 一种文本处理网络、神经网络训练的方法以及相关设备 | |
WO2023231954A1 (zh) | 一种数据的去噪方法以及相关设备 | |
CN113191241A (zh) | 一种模型训练方法及相关设备 | |
Pezzuoli et al. | Recognition and classification of dynamic hand gestures by a wearable data-glove | |
CN113011568A (zh) | 一种模型的训练方法、数据处理方法及设备 | |
JP6939998B2 (ja) | 移動状況解析装置、移動状況解析方法及びプログラム | |
Rafiq et al. | Real-time vision-based bangla sign language detection using convolutional neural network | |
CN111695419A (zh) | 一种图像数据处理方法及相关装置 | |
Amaral et al. | Evaluating deep models for dynamic brazilian sign language recognition | |
CN111797862A (zh) | 任务处理方法、装置、存储介质和电子设备 | |
JP7176626B2 (ja) | 移動状況学習装置、移動状況認識装置、モデル学習方法、移動状況認識方法、及びプログラム | |
US11983246B2 (en) | Data analysis system, learning device, method, and program | |
CN111796663B (zh) | 场景识别模型更新方法、装置、存储介质及电子设备 | |
Das et al. | Lightweight Encoder-Decoder Model for Semantic Segmentation of Hand Postures | |
Saranya et al. | Context Aware Data Fusion on Massive IOT Data in Dynamic IOT Analytics. | |
CN111797869A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
CN116091984B (zh) | 视频目标分割方法、装置、电子设备及存储介质 | |
Chan et al. | Hybrid convolutional neural network ensemble for activity recognition in mobile phones |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190904 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201007 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201020 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201202 |
|
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: 20210316 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210322 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6857547 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |