JP7459679B2 - 行動認識方法、行動認識プログラム及び行動認識装置 - Google Patents
行動認識方法、行動認識プログラム及び行動認識装置 Download PDFInfo
- Publication number
- JP7459679B2 JP7459679B2 JP2020107485A JP2020107485A JP7459679B2 JP 7459679 B2 JP7459679 B2 JP 7459679B2 JP 2020107485 A JP2020107485 A JP 2020107485A JP 2020107485 A JP2020107485 A JP 2020107485A JP 7459679 B2 JP7459679 B2 JP 7459679B2
- Authority
- JP
- Japan
- Prior art keywords
- action
- feature
- behavior
- recognition
- mapping
- 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
- 238000000034 method Methods 0.000 title claims description 61
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 230000006399 behavior Effects 0.000 claims description 187
- 238000013507 mapping Methods 0.000 claims description 115
- 230000033001 locomotion Effects 0.000 claims description 109
- 238000012545 processing Methods 0.000 claims description 33
- 239000000284 extract Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 24
- 238000004458 analytical method Methods 0.000 description 21
- 238000006243 chemical reaction Methods 0.000 description 15
- 238000005452 bending Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 210000004247 hand Anatomy 0.000 description 9
- 238000012937 correction Methods 0.000 description 7
- 241000234282 Allium Species 0.000 description 5
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 206010038743 Restlessness Diseases 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000013403 standard screening design Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Description
図1は、実施例1に係る行動認識サービスの一例を示す図である。図1に示す行動認識サービス1は、カメラ2の映像から被写体、例えば人の行動を認識するサービスを提供するものである。このような行動認識サービス1では、あくまで一例として、複数の動作が組み合わさることで複雑化する上位行動、例えば作業行動や不審行動、購買行動などが認識対象とされる。
次に、本実施例に係る行動認識サービス1の適用例について説明する。あくまで一例として、本実施例に係る行動認識サービス1が食品工場の現場で行われる「選別作業」、「回収作業」、「空トレイ設置」および「トレイ運搬」の4種類の作業の分析、例えば生産性および作業時間内訳の提示に適用される例を挙げる。
上記の背景技術の欄でも説明した通り、認識対象とする行動には、大量のバリエーションが存在し得る。それ故、ルールの作成時点で目的とする行動の認識漏れがないルールの作成は困難である。
そこで、本実施例に係る行動認識サービス1では、(イ)運用中に上位行動の認識漏れを検知し、(ロ)認識漏れの動作パターンを上位行動として認識するルールの更新を行うアプローチを採用する。
P1およびW2の距離=5.4
P1およびW3の距離=0.1
P1およびW4の距離=7.3
図7は、実施例1に係る行動認識装置10の機能的構成の一例を示すブロック図である。図7に示す行動認識装置10は、上記の行動認識サービス1を提供するコンピュータの一例に対応する。
図10及び図11を用いて、上位行動の認識結果の活用例を説明する。図10及び図11は、分析結果の一例を示す図である。図10及び図11には、食品工場の現場で行われる「選別作業」、「回収作業」、「空トレイ設置」および「トレイ運搬」の4種類の上位行動の認識結果が作業者「ID0001」~「ID0006」の6名の作業員ごとに分析された結果が示されている。図10には、上記の4種類の上位行動の認識結果を用いる分析の一例として、生産性、例えば単位時間あたりに処理されるトレイの数量が分析された結果が示されている。さらに、図11には、上記の4種類の上位行動の認識結果を用いる分析の一例として、各上位行動に対応する作業時間の内訳が分析された結果が示されている。
次に、本実施例に係る行動認識装置10の処理の流れについて説明する。ここでは、行動認識装置10により実行される(1)ルール変換処理を説明した後に、(2)ルール更新処理を説明することとする。
図12は、実施例1に係るルール変換処理の手順を示すフローチャートである。この処理は、あくまで一例として、本実施例に係る行動認識サービス1の運用を開始する前の任意のタイミング、例えば第1ルールおよび参照映像の保存後に実行できるが、運用開始後に実行されることも妨げない。
図13は、実施例1に係るルール更新処理の手順を示すフローチャートである。この処理は、運用中に所定の周期、例えば10秒ごとに繰り返して実行することができる。図13に示すように、映像取得部11は、カメラ2等から映像のフレームが取得する(ステップS301)。すると、オブジェクト認識部13は、ステップS301で取得された映像から認識されたオブジェクトの骨格検出を行うことにより、各関節の位置を含む骨格情報を抽出する(ステップS302)。
上述してきたように、本実施例に係る行動認識装置10は、特徴量空間に上位行動の観測範囲がマッピングされた領域の何れか1つに運用中の動作特徴量のプロット位置が近い場合、プロット位置に基づいて最寄りの領域を拡張する。したがって、本実施例に係る行動認識装置10によれば、運用に即したルールの更新を実現できる。
上位行動の認識結果には、いずれの上位行動にも対応しないラベル「出力なし」が含まれる場合がある。例えば、行動認識装置10は、上記のラベル「出力なし」を下記のルールにしたがって補正する補正部をさらに有することとしてもよい。例えば、補正部は、ラベル「出力なし」の前後のタイミングで出力されるラベルを比較する。この結果、前後のタイミングのラベルが同一である場合、ラベル「出力なし」に対応するタイミングも前後のタイミングのラベルと同一の上位行動が行われた可能性が高まる。この場合、補正部は、ラベル「出力なし」を前後のタイミングで出力されるラベルと同一のラベルに補正する。また、前後のタイミングのラベルが異なる場合、作業が切り替わったタイミングである可能性が高まる。この場合、補正部は、ラベル「出力なし」を前後のタイミングで出力されるラベルが所定の割合ずつ含む特殊ラベルに補正する。
また、図示した各装置の各構成要素は、必ずしも物理的に図示の如く構成されておらずともよい。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、映像取得部11、オブジェクト認識部13、基本動作認識部14、ルール変換部15または上位行動認識部18を行動認識装置10の外部装置としてネットワーク経由で接続するようにしてもよい。また、映像取得部11、オブジェクト認識部13、基本動作認識部14、ルール変換部15または上位行動認識部18を別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記の行動認識装置10の機能を実現するようにしてもよい。また、第1ルール記憶部16A、参照映像記憶部16Bおよび第2ルール記憶部17に記憶される第1ルール、参照映像および第2ルールの全部または一部を別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記の行動認識装置10の機能を実現するようにしてもかまわない。
また、上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図15を用いて、実施例1及び実施例2と同様の機能を有する行動認識プログラムを実行するコンピュータの一例について説明する。
前記骨格情報から第1動作特徴量を算出し、
認識対象とする上位行動に関する第2動作特徴量が観測され得る範囲が前記上位行動ごとにマッピングされた複数のマッピング領域を有する特徴量空間に前記第1動作特徴量をプロットすることで、前記特徴量空間に対して前記第1動作特徴量がプロットされた位置であるプロット位置を算出し、
前記複数のマッピング領域それぞれと前記プロット位置との距離のうち最小距離の他の距離に対する乖離度が所定の基準を満たす場合、前記プロット位置から前記最小距離にあるマッピング領域を前記プロット位置に基づいて拡張する更新を実行する、
処理をコンピュータが実行する行動認識方法。
前記第2動作特徴量で定義される特徴量空間上に前記上位行動が観測され得る範囲をマッピングする処理を前記コンピュータがさらに実行する付記1に記載の行動認識方法。
前記骨格情報から第1動作特徴量を算出し、
認識対象とする上位行動に関する第2動作特徴量が観測され得る範囲が前記上位行動ごとにマッピングされた複数のマッピング領域を有する特徴量空間に前記第1動作特徴量をプロットすることで、前記特徴量空間に対して前記第1動作特徴量がプロットされた位置であるプロット位置を算出し、
前記複数のマッピング領域それぞれと前記プロット位置との距離のうち最小距離の他の距離に対する乖離度が所定の基準を満たす場合、前記プロット位置から前記最小距離にあるマッピング領域を前記プロット位置に基づいて拡張する更新を実行する、
処理をコンピュータに実行させる行動認識プログラム。
前記第2動作特徴量で定義される特徴量空間上に前記上位行動が観測され得る範囲をマッピングする処理を前記コンピュータにさらに実行させる付記7に記載の行動認識プログラム。
前記骨格情報から第1動作特徴量を算出する第1算出部と、
認識対象とする上位行動に関する第2動作特徴量が観測され得る範囲が前記上位行動ごとにマッピングされた複数のマッピング領域を有する特徴量空間に前記第1動作特徴量をプロットすることで、前記特徴量空間に対して前記第1動作特徴量がプロットされた位置であるプロット位置を算出する第2算出部と、
前記複数のマッピング領域それぞれと前記プロット位置との距離のうち最小距離の他の距離に対する乖離度が所定の基準を満たす場合、前記プロット位置から前記最小距離にあるマッピング領域を前記プロット位置に基づいて拡張する更新を実行する更新部と、
を有する行動認識装置。
前記第2動作特徴量で定義される特徴量空間上に前記上位行動が観測され得る範囲をマッピングするマッピング部とをさらに有する付記13に記載の行動認識装置。
11 映像取得部
13 オブジェクト認識部
14 基本動作認識部
15 ルール変換部
15A 選択部
15B マッピング部
16A 第1ルール記憶部
16B 参照映像記憶部
17 第2ルール記憶部
18 上位行動認識部
18A ルール照合部
18B ルール更新部
18C 認識結果出力部
Claims (8)
- 映像のフレームごとに複数の関節の位置を含む骨格情報を抽出し、
前記骨格情報から第1動作特徴量を算出し、
認識対象とする上位行動に関する第2動作特徴量が観測され得る範囲が前記上位行動ごとにマッピングされた複数のマッピング領域を有する特徴量空間に前記第1動作特徴量をプロットすることで、前記特徴量空間に対して前記第1動作特徴量がプロットされた位置であるプロット位置を算出し、
前記複数のマッピング領域それぞれと前記プロット位置との距離のうち最小距離の他の距離に対する乖離度が所定の基準を満たす場合、前記プロット位置から前記最小距離にあるマッピング領域を前記プロット位置に基づいて拡張する更新を実行する、
処理をコンピュータが実行する行動認識方法。 - 前記認識対象とする上位行動ごとに前記上位行動に対応する基本動作の組合せから抽出される第3動作特徴量のうち前記特徴量空間の定義に用いる前記第2動作特徴量を選択し、
前記第2動作特徴量で定義される特徴量空間上に前記上位行動が観測され得る範囲をマッピングする処理を前記コンピュータがさらに実行する請求項1に記載の行動認識方法。 - 前記選択する処理は、前記基本動作の組合せから抽出される第3動作特徴量の中から、前記認識対象とする上位行動の各々を区別できる第4動作特徴量を前記第2動作特徴量として所定の特徴量選択のアルゴリズムにしたがって選択する処理を含む請求項2に記載の行動認識方法。
- 前記上位行動が観測され得る範囲は、所定の参照映像のうち前記上位行動が前記特徴量空間上で観測される区間で得られる第2動作特徴量の最大値および最小値に基づいて設定される請求項2または3に記載の行動認識方法。
- 前記マッピング領域は、前記マッピング領域の境界線を形成する頂点の座標により定義される請求項1~4のいずれか1つに記載の行動認識方法。
- 前記更新を実行する処理は、前記プロット位置からマンハッタン距離で前記最小距離に位置する頂点の座標により定義される領域を拡張する処理を含む請求項5に記載の行動認識方法。
- 映像のフレームごとに複数の関節の位置を含む骨格情報を抽出し、
前記骨格情報から第1動作特徴量を算出し、
認識対象とする上位行動に関する第2動作特徴量が観測され得る範囲が前記上位行動ごとにマッピングされた複数のマッピング領域を有する特徴量空間に前記第1動作特徴量をプロットすることで、前記特徴量空間に対して前記第1動作特徴量がプロットされた位置であるプロット位置を算出し、
前記複数のマッピング領域それぞれと前記プロット位置との距離のうち最小距離の他の距離に対する乖離度が所定の基準を満たす場合、前記プロット位置から前記最小距離にあるマッピング領域を前記プロット位置に基づいて拡張する更新を実行する、
処理をコンピュータに実行させる行動認識プログラム。 - 映像のフレームごとに複数の関節の位置を含む骨格情報を抽出する抽出部と、
前記骨格情報から第1動作特徴量を算出する第1算出部と、
認識対象とする上位行動に関する第2動作特徴量が観測され得る範囲が前記上位行動ごとにマッピングされた複数のマッピング領域を有する特徴量空間に前記第1動作特徴量をプロットすることで、前記特徴量空間に対して前記第1動作特徴量がプロットされた位置であるプロット位置を算出する第2算出部と、
前記複数のマッピング領域それぞれと前記プロット位置との距離のうち最小距離の他の距離に対する乖離度が所定の基準を満たす場合、前記プロット位置から前記最小距離にあるマッピング領域を前記プロット位置に基づいて拡張する更新を実行する更新部と、
を有する行動認識装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020107485A JP7459679B2 (ja) | 2020-06-23 | 2020-06-23 | 行動認識方法、行動認識プログラム及び行動認識装置 |
US17/209,454 US11538174B2 (en) | 2020-06-23 | 2021-03-23 | Behavior recognition method and information processing apparatus |
CN202110388562.8A CN113836990A (zh) | 2020-06-23 | 2021-04-12 | 行为识别方法、行为识别装置和记录介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020107485A JP7459679B2 (ja) | 2020-06-23 | 2020-06-23 | 行動認識方法、行動認識プログラム及び行動認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022003434A JP2022003434A (ja) | 2022-01-11 |
JP7459679B2 true JP7459679B2 (ja) | 2024-04-02 |
Family
ID=78962500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020107485A Active JP7459679B2 (ja) | 2020-06-23 | 2020-06-23 | 行動認識方法、行動認識プログラム及び行動認識装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11538174B2 (ja) |
JP (1) | JP7459679B2 (ja) |
CN (1) | CN113836990A (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012128096A1 (ja) | 2011-03-24 | 2012-09-27 | 古河電気工業株式会社 | レーダ装置 |
CN103268495A (zh) | 2013-05-31 | 2013-08-28 | 公安部第三研究所 | 计算机系统中基于先验知识聚类的人体行为建模识别方法 |
JP2019191981A (ja) | 2018-04-26 | 2019-10-31 | Kddi株式会社 | 行動認識装置、モデル構築装置及びプログラム |
CN111209347A (zh) | 2018-11-02 | 2020-05-29 | 北京京东尚科信息技术有限公司 | 一种混合属性数据聚类的方法和装置 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4481663B2 (ja) | 2004-01-15 | 2010-06-16 | キヤノン株式会社 | 動作認識装置、動作認識方法、機器制御装置及びコンピュータプログラム |
JP3861157B2 (ja) * | 2004-02-27 | 2006-12-20 | 国立大学法人広島大学 | 参照データ最適化装置とパターン認識システム |
US10642364B2 (en) * | 2009-04-02 | 2020-05-05 | Oblong Industries, Inc. | Processing tracking and recognition data in gestural recognition systems |
US9981193B2 (en) * | 2009-10-27 | 2018-05-29 | Harmonix Music Systems, Inc. | Movement based recognition and evaluation |
US8761437B2 (en) * | 2011-02-18 | 2014-06-24 | Microsoft Corporation | Motion recognition |
US20140267611A1 (en) * | 2013-03-14 | 2014-09-18 | Microsoft Corporation | Runtime engine for analyzing user motion in 3d images |
JP6433149B2 (ja) * | 2013-07-30 | 2018-12-05 | キヤノン株式会社 | 姿勢推定装置、姿勢推定方法およびプログラム |
EP3205379A4 (en) * | 2014-10-10 | 2018-01-24 | Fujitsu Limited | Skill determination program, skill determination method, skill determination device, and server |
US10854104B2 (en) * | 2015-08-28 | 2020-12-01 | Icuemotion Llc | System for movement skill analysis and skill augmentation and cueing |
WO2018069981A1 (ja) * | 2016-10-11 | 2018-04-19 | 富士通株式会社 | 運動認識装置、運動認識プログラムおよび運動認識方法 |
JP6895276B2 (ja) | 2017-03-03 | 2021-06-30 | 株式会社日立製作所 | 行動認識システムおよび行動認識方法 |
JP6923789B2 (ja) * | 2017-07-05 | 2021-08-25 | 富士通株式会社 | 情報処理プログラム、情報処理装置、情報処理方法、及び情報処理システム |
CN111263953B (zh) * | 2017-10-27 | 2024-03-01 | 株式会社爱世克私 | 动作状态评估系统及其装置、服务器、方法以及存储介质 |
JP7077603B2 (ja) * | 2017-12-19 | 2022-05-31 | 富士通株式会社 | 判定プログラム、判定方法及び画像生成装置 |
CN108446733A (zh) * | 2018-03-19 | 2018-08-24 | 上海玺翎智能科技有限公司 | 一种基于多传感器数据的人体行为监测及智能识别方法 |
CN109034137B (zh) * | 2018-09-07 | 2019-11-19 | 百度在线网络技术(北京)有限公司 | 头部姿态标记更新方法、装置、存储介质和终端设备 |
CN111104816B (zh) * | 2018-10-25 | 2023-11-03 | 杭州海康威视数字技术股份有限公司 | 一种目标物的姿态识别方法、装置及摄像机 |
CN113065515B (zh) * | 2021-04-22 | 2023-02-03 | 上海交通大学 | 基于相似度图神经网络的异常行为智能检测方法及系统 |
-
2020
- 2020-06-23 JP JP2020107485A patent/JP7459679B2/ja active Active
-
2021
- 2021-03-23 US US17/209,454 patent/US11538174B2/en active Active
- 2021-04-12 CN CN202110388562.8A patent/CN113836990A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012128096A1 (ja) | 2011-03-24 | 2012-09-27 | 古河電気工業株式会社 | レーダ装置 |
CN103268495A (zh) | 2013-05-31 | 2013-08-28 | 公安部第三研究所 | 计算机系统中基于先验知识聚类的人体行为建模识别方法 |
JP2019191981A (ja) | 2018-04-26 | 2019-10-31 | Kddi株式会社 | 行動認識装置、モデル構築装置及びプログラム |
CN111209347A (zh) | 2018-11-02 | 2020-05-29 | 北京京东尚科信息技术有限公司 | 一种混合属性数据聚类的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US11538174B2 (en) | 2022-12-27 |
CN113836990A (zh) | 2021-12-24 |
JP2022003434A (ja) | 2022-01-11 |
US20210398297A1 (en) | 2021-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6832504B2 (ja) | 物体追跡方法、物体追跡装置およびプログラム | |
JP6433149B2 (ja) | 姿勢推定装置、姿勢推定方法およびプログラム | |
Wen et al. | A robust method of detecting hand gestures using depth sensors | |
JP6511986B2 (ja) | プログラム生成装置、プログラム生成方法および生成プログラム | |
JPWO2011086889A1 (ja) | 特徴点選択システム、特徴点選択方法および特徴点選択プログラム | |
Leightley et al. | Exemplar-based human action recognition with template matching from a stream of motion capture | |
Davis et al. | Automated bone age assessment using feature extraction | |
JPWO2015136709A1 (ja) | 画像処理装置、画像センサ、画像処理方法 | |
JP2021135898A (ja) | 行動認識方法、行動認識プログラム及び行動認識装置 | |
CN113297963A (zh) | 多人姿态的估计方法、装置、电子设备以及可读存储介质 | |
JP6201556B2 (ja) | 予測モデル学習装置、予測モデル学習方法およびコンピュータプログラム | |
JP6623851B2 (ja) | 学習方法、情報処理装置および学習プログラム | |
JP7052604B2 (ja) | 業務推定方法、情報処理装置、及び業務推定プログラム | |
Świtoński et al. | Classification of poses and movement phases | |
JP7459679B2 (ja) | 行動認識方法、行動認識プログラム及び行動認識装置 | |
JP2020091756A (ja) | 学習方法、学習プログラムおよび学習装置 | |
JP2019120577A (ja) | 位置推定装置、位置推定方法及び位置推定用コンピュータプログラム | |
JP5342025B2 (ja) | 行動推定装置 | |
JP2020193847A (ja) | 波形セグメンテーション装置及び波形セグメンテーション方法 | |
JP7500980B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP4449483B2 (ja) | 画像解析装置、および画像解析方法、並びにコンピュータ・プログラム | |
JP2022021940A (ja) | 行動認識装置、行動認識方法及び行動認識プログラム | |
JP2021077177A (ja) | 動作認識装置、動作認識方法及び動作認識プログラム | |
JP2020071777A (ja) | 時系列特徴抽出装置、時系列特徴抽出方法及びプログラム | |
JP7233610B2 (ja) | 情報処理装置、プログラム及び情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240112 |
|
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: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240304 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7459679 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |