JPWO2022009327A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2022009327A5 JPWO2022009327A5 JP2022534551A JP2022534551A JPWO2022009327A5 JP WO2022009327 A5 JPWO2022009327 A5 JP WO2022009327A5 JP 2022534551 A JP2022534551 A JP 2022534551A JP 2022534551 A JP2022534551 A JP 2022534551A JP WO2022009327 A5 JPWO2022009327 A5 JP WO2022009327A5
- Authority
- JP
- Japan
- Prior art keywords
- classification
- skeletal structure
- posture
- diagram showing
- height
- 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
- 238000010586 diagram Methods 0.000 description 34
- 230000036544 posture Effects 0.000 description 27
- 238000000034 method Methods 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 210000000988 bone and bone Anatomy 0.000 description 8
- 238000012937 correction Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000037237 body shape Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Description
このように、実施の形態では、2次元画像から人物の2次元骨格構造を検出し、この2次元骨格構造から算出される特徴量に基づいて人物の状態の分類や検索等の認識処理を行うことで、所望の人物の状態を柔軟に認識することができる。
続いて、図3に示すように、画像処理装置100は、分類処理を行う(S104)。分類処理では、図4に示すように、分類部104は、算出された骨格構造の特徴量の類似度を算出し(S111)、算出された類似度に基づいて骨格構造を分類する(S112)。分類部104は、分類対象であるデータベース110に格納されている全ての骨格構造間の特徴量の類似度を求め、最も類似度が高い骨格構造(姿勢)を同じクラスタに分類する(クラスタリングする)。さらに、分類したクラスタ間の類似度を求めて分類し、所定の数のクラスタとなるまで分類を繰り返す。図11は、骨格構造の特徴量の分類結果のイメージを示している。図11は、2次元の分類要素によるクラスタ分析のイメージであり、2つ分類要素は、例えば、骨格領域の高さと骨格領域の面積等である。図11では、分類の結果、複数の骨格構造の特徴量が3つのクラスタC1~C3に分類されている。クラスタC1~C3は、例えば、立っている姿勢、座っている姿勢、寝ている姿勢のように各姿勢に対応し、似ている姿勢ごとに骨格構造(人物)が分類される。
(分類方法1)複数の階層による分類
全身の骨格構造による分類や、上半身や下半身の骨格構造による分類、腕や脚の骨格構造による分類等を階層的に組み合わせて分類する。すなわち、骨格構造の第1の部分や第2の部分の特徴量に基づいて分類し、さらに、第1の部分や第2の部分の特徴量に重みづけを行って分類してもよい。
全身の骨格構造による分類や、上半身や下半身の骨格構造による分類、腕や脚の骨格構造による分類等を階層的に組み合わせて分類する。すなわち、骨格構造の第1の部分や第2の部分の特徴量に基づいて分類し、さらに、第1の部分や第2の部分の特徴量に重みづけを行って分類してもよい。
(分類方法2)時系列に沿った複数枚の画像による分類
時系列に連続する複数の画像における骨格構造の特徴量に基づいて分類する。例えば、時系列方向に特徴量を積み重ねて、累積値に基づいて分類してもよい。さらに、連続する複数の画像における骨格構造の特徴量の変化(変化量)に基づいて分類してもよい。
時系列に連続する複数の画像における骨格構造の特徴量に基づいて分類する。例えば、時系列方向に特徴量を積み重ねて、累積値に基づいて分類してもよい。さらに、連続する複数の画像における骨格構造の特徴量の変化(変化量)に基づいて分類してもよい。
(分類方法3)骨格構造の左右を無視した分類
人物の右側と左側が反対の骨格構造を同じ骨格構造として分類する。
人物の右側と左側が反対の骨格構造を同じ骨格構造として分類する。
さらに、分類部104は、骨格構造の分類結果を表示する(S113)。分類部104は、データベース110から必要な骨格構造や人物の画像を取得し、分類結果として似ている姿勢(クラスタ)ごとに骨格構造及び人物を表示部107に表示する。図12は、姿勢を3つに分類した場合の表示例を示している。例えば、図12に示すように、表示ウィンドウW1に、姿勢ごとの姿勢領域WA1~WA3を表示し、姿勢領域WA1~WA3にそれぞれ該当する姿勢の骨格構造及び人物(イメージ)を表示する。姿勢領域WA1は、例えば立っている姿勢の表示領域であり、クラスタC1に分類された、立っている姿勢に似た骨格構造及び人物を表示する。姿勢領域WA2は、例えば座っている姿勢の表示領域であり、クラスタC2に分類された、座っている姿勢に似た骨格構造及び人物を表示する。姿勢領域WA3は、例えば寝ている姿勢の表示領域であり、クラスタC3に分類された、寝ている姿勢に似た骨格構造及び人物を表示する。
(検索方法1)高さ方向の特徴量のみによる検索
人物の高さ方向の特徴量のみを用いて検索することで、人物の横方向の変化の影響を抑えることができ、人物の向きや人物の体型の変化に対しロバスト性が向上する。例えば、図13の骨格構造501~503のように、人物の向きや体型が異なる場合でも、高さ方向の特徴量は大きく変化しない。このため、骨格構造501~503では、検索時(分類時)に同じ姿勢であると判断することができる。
人物の高さ方向の特徴量のみを用いて検索することで、人物の横方向の変化の影響を抑えることができ、人物の向きや人物の体型の変化に対しロバスト性が向上する。例えば、図13の骨格構造501~503のように、人物の向きや体型が異なる場合でも、高さ方向の特徴量は大きく変化しない。このため、骨格構造501~503では、検索時(分類時)に同じ姿勢であると判断することができる。
(検索方法3)骨格構造の左右を無視した検索
人物の右側と左側が反対の骨格構造を同じ骨格構造として検索する。例えば、図16の骨格構造531及び532のように、右手を挙げている姿勢と、左手を挙げている姿勢を同じ姿勢として検索(分類)できる。図16の例では、骨格構造531と骨格構造532は、右手のキーポイントA51、右肘のキーポイントA41、左手のキーポイントA52、左肘のキーポイントA42の位置が異なるものの、その他のキーポイントの位置は同じである。骨格構造531の右手のキーポイントA51及び右肘のキーポイントA41と骨格構造532の左手のキーポイントA52及び左肘のキーポイントA42のうち、一方の骨格構造のキーポイントを左右反転させると、他方の骨格構造のキーポイントと同じ位置となり、また、骨格構造531の左手のキーポイントA52及び左肘のキーポイントA42と骨格構造532の右手のキーポイントA51及び右肘のキーポイントA41のうち、一方の骨格構造のキーポイントを左右反転させると、他方の骨格構造のキーポイントと同じ位置となるため、同じ姿勢と判断する。
人物の右側と左側が反対の骨格構造を同じ骨格構造として検索する。例えば、図16の骨格構造531及び532のように、右手を挙げている姿勢と、左手を挙げている姿勢を同じ姿勢として検索(分類)できる。図16の例では、骨格構造531と骨格構造532は、右手のキーポイントA51、右肘のキーポイントA41、左手のキーポイントA52、左肘のキーポイントA42の位置が異なるものの、その他のキーポイントの位置は同じである。骨格構造531の右手のキーポイントA51及び右肘のキーポイントA41と骨格構造532の左手のキーポイントA52及び左肘のキーポイントA42のうち、一方の骨格構造のキーポイントを左右反転させると、他方の骨格構造のキーポイントと同じ位置となり、また、骨格構造531の左手のキーポイントA52及び左肘のキーポイントA42と骨格構造532の右手のキーポイントA51及び右肘のキーポイントA41のうち、一方の骨格構造のキーポイントを左右反転させると、他方の骨格構造のキーポイントと同じ位置となるため、同じ姿勢と判断する。
(検索方法4)縦方向と横方向の特徴量による検索
人物の縦方向(Y軸方向)の特徴量のみで検索を行った後、得られた結果をさらに人物の横方向(X軸方向)の特徴量を用いて検索する。
人物の縦方向(Y軸方向)の特徴量のみで検索を行った後、得られた結果をさらに人物の横方向(X軸方向)の特徴量を用いて検索する。
(検索方法5)時系列に沿った複数枚の画像による検索
時系列に連続する複数の画像における骨格構造の特徴量に基づいて検索する。例えば、時系列方向に特徴量を積み重ねて、累積値に基づいて検索してもよい。さらに、連続する複数の画像における骨格構造の特徴量の変化(変化量)に基づいて検索してもよい。
時系列に連続する複数の画像における骨格構造の特徴量に基づいて検索する。例えば、時系列方向に特徴量を積み重ねて、累積値に基づいて検索してもよい。さらに、連続する複数の画像における骨格構造の特徴量の変化(変化量)に基づいて検索してもよい。
図47(B)の(1)に示す姿勢は、図43(B)の(1)に示した例と同様であり、立ったまま右手及び右腕を上げているが、右手及び右腕の高さがやや低い。このため、図48に示すように、修正前のスコアは0.8とやや低い。しかし、図47(B)の(1)には欠損キーポイントは無い。このため、スコアの修正は行われない。
ここで、図47(B)の(2)に示す例において、欠損キーポイントは片足に相当しているため、重み付けは小さい。一方、図47(B)の(3)に示す例において、欠損キーポイントは右手及び右腕に相当しているため、図46を用いて説明したように、重み付けは大きい。このため、図47(B)の(3)における修正量は、図47(B)の(2)における修正量よりも大きくなっている。その結果、図47(B)の(3)の修正後のスコアは、図47(B)の(1)よりもかなり低くなる。
続いて、身長算出部108は、図21に示すように、身長画素数の最適値を算出する(S223)。身長算出部108は、ボーンごとに求めた身長画素数から身長画素数の最適値を算出する。例えば、図30に示すような、ボーンごとに求めた身長画素数のヒストグラムを生成し、その中で大きい身長画素数を選択する。つまり、複数のボーンに基づいて求められた複数の身長画素数の中で他よりも長い身長画素数を選択する。例えば、上位30%を有効な値とし、図30ではボーンB71、B61、B51による身長画素数を選択する。選択した身長画素数の平均を最適値として求めてもよいし、最も大きい身長画素数を最適値としてもよい。2次元画像のボーンの長さから身長を求めるため、ボーンを正面から撮像できていない場合、すなわち、ボーンがカメラから見て奥行き方向に傾いて撮像された場合、ボーンの長さが正面から撮像した場合よりも短くなる。そうすると、身長画素数が大きい値は、身長画素数が小さい値よりも、正面から撮像された可能性が高く、より尤もらしい値となることから、より大きい値を最適値とする。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/026663 WO2022009327A1 (ja) | 2020-07-08 | 2020-07-08 | 画像選択装置、画像選択方法、及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022009327A1 JPWO2022009327A1 (ja) | 2022-01-13 |
JPWO2022009327A5 true JPWO2022009327A5 (ja) | 2023-03-10 |
JP7435781B2 JP7435781B2 (ja) | 2024-02-21 |
Family
ID=79552439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022534551A Active JP7435781B2 (ja) | 2020-07-08 | 2020-07-08 | 画像選択装置、画像選択方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230306054A1 (ja) |
JP (1) | JP7435781B2 (ja) |
WO (1) | WO2022009327A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230101617A1 (en) * | 2021-09-24 | 2023-03-30 | Apple Inc. | Full body pose estimation through feature extraction from multiple wearable devices |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6831769B2 (ja) * | 2017-11-13 | 2021-02-17 | 株式会社日立製作所 | 画像検索装置、画像検索方法、及び、それに用いる設定画面 |
-
2020
- 2020-07-08 WO PCT/JP2020/026663 patent/WO2022009327A1/ja active Application Filing
- 2020-07-08 JP JP2022534551A patent/JP7435781B2/ja active Active
- 2020-07-08 US US18/014,408 patent/US20230306054A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108305283B (zh) | 基于深度相机和基本姿势的人体行为识别方法及装置 | |
CN109670396B (zh) | 一种室内老人跌倒检测方法 | |
CN109903331B (zh) | 一种基于rgb-d相机的卷积神经网络目标检测方法 | |
JP4668220B2 (ja) | 画像処理装置および画像処理方法、並びにプログラム | |
CN109949341B (zh) | 一种基于人体骨架结构化特征的行人目标跟踪方法 | |
US20090245575A1 (en) | Method, apparatus, and program storage medium for detecting object | |
CN109271918B (zh) | 基于重心偏移模型区分平衡能力障碍人群的方法 | |
WO2022174523A1 (zh) | 一种提取行人的步态特征的方法、步态识别方法及系统 | |
CN107808376A (zh) | 一种基于深度学习的举手检测方法 | |
CN114399838A (zh) | 基于姿态估计和二重分类的多人行为识别方法及系统 | |
JPWO2021229751A5 (ja) | ||
JPWO2022009327A5 (ja) | ||
Kellokumpu et al. | Dynamic textures for human movement recognition | |
JPWO2021250808A5 (ja) | ||
Chai et al. | Human gait recognition: approaches, datasets and challenges | |
CN114119437A (zh) | 一种基于gms的用于改善运动物体畸变的图像拼接方法 | |
CN117456578A (zh) | 基于双向光流实现快速微表情识别处理的方法、装置、处理器及其计算机可读存储介质 | |
CN110569711B (zh) | 面向人体动作识别方法 | |
JPWO2022009279A5 (ja) | ||
JPWO2022079794A5 (ja) | ||
Lobachev et al. | Machine learning models and methods for human gait recognition | |
JP2013003861A (ja) | 物体形状推定装置 | |
JP7435781B2 (ja) | 画像選択装置、画像選択方法、及びプログラム | |
WO2022079794A1 (ja) | 画像選択装置、画像選択方法、及びプログラム | |
JPWO2022079795A5 (ja) |