CVIM2009-yoshinaga.dvi

Size: px

Start display at page:

Download "CVIM2009-yoshinaga.dvi"

省巴
5 years ago
Views:

1 y1 y1 y1 1 Pedestrian Estimation Real-time Using Blob Features Satoshi Yoshinaga, y1 Atsushi Shimada y1 and Rin-ichiro Taniguchi y1 propose a system which estimates how many and where pedestrians are We video sequences" in real-time by following procedures. In the preprocess, in let the neural network learn training data which we generated by giving a we between a set of blob features and the number of pedestrians. correspondence the online process, first, candidate regions are segmented into blobs according In to background subtraction based on a background model. Second, a set of is extracted from each blob and a neural network estimates the number features pedestrians corresponding to each set of features. Background model in the of in which there is at least one person is not updated to prevent the human blob from being embedded in the background. region 1. 3 (1) (2) (3) (3) y1 kyushu University 1 cfl 29 Information Processing Society of Japan

2 SIG Technical Report IPSJ Viola 1) Zhao 2) 2 Antonini 3) 3 Kong 4) of mixture Chan texture 5) dynamic 28 6) 1 Kong 2 Kong Chan mixture of dynamic texture Homogeneity Energy Entropy Chan 28 Parzen cfl 29 Information Processing Society of Japan

Input image Feature extraction Segmetation Shadow elimination Background subtraction 1 Neural network Pedestrian estimation Feedback to background

3 Input image Feature extraction Segmetation Shadow elimination Background subtraction 1 Neural network Pedestrian estimation Feedback to background model Parzen 7) Parzen 1 Shadow detection ( / ) Canny 1 Background subtraction YUV 8) cfl 29 Information Processing Society of Japan

96 93 84 1132 65 Input signal X 1 X 2 Input layer Hidden layer Hidden layer Output layer Output signal Y

H ROI (1) 4 31x + h 32y + h 33) =h 11x + h 12y + h 13 u(h (1) + h 32y + h 33) =h 21x + h 22y + h 23 v(h 31x 2 a)

4 Input signal X 1 X 2 Input layer Hidden layer Hidden layer Output layer Output signal Y Segmentation Plane perspective transformation 2 ( ) + X n -1 X n ( (ROI) homography 3 3 H ) (u; v) (x; y) H ROI (1) 4 31x + h 32y + h 33) =h 11x + h 12y + h 13 u(h (1) + h 32y + h 33) =h 21x + h 22y + h 23 v(h 31x 2 a) (S ) b (S =S a) b (S psb a =S n 1 n 4 n n =6 3 n =7 RPROP cfl 29 Information Processing Society of Japan

target target 14 14 12 12 8 6 4 8 6 4 (b) (a) 4 2 5 15 2 25 3 35 4 2 5 15 2 25 3 35 4 1 4 4. 1 3 2 1 1 4.1 1 PETS26 9) 24 32 32 235 32 7 431 5 29 4.1.1 2 3.

5 target target (b) (a) PETS26 9) False-Negative False-Positive 5 5 False-Positive False-Negative 1 False-Positive 1 False-Negative 2 2 False-Negative :2GHz CPU 2GB 1 Pentium4 (a) 1 (b) 2 5 cfl 29 Information Processing Society of Japan

1 1 2 Padestrians 1249 1249 Confirmed 77 199 False-Positive 84 78 False-Negative 161 277 Total-Error 87:1 77:8 Accuracy(%) 6 % 9% 8% 7% 6% 5% 4% 3% 2% % % 2 1 1 2 Segmentation(ms) 49:1 49:1

6 1 1 2 Padestrians Confirmed False-Positive False-Negative Total-Error 87:1 77:8 Accuracy(%) 6 % 9% 8% 7% 6% 5% 4% 3% 2% % % Segmentation(ms) 49:1 49:1 Pedestrian Estimation(ms) 39:2 3:9 Total(ms) 88:3 53: 2 Segmentation Pedestrian Estimation Total Segmentation Estimation Pedestrian Total 2 fps msec (a) 1 2 7(b) 7(a) 1 5% 75% 2 7(b) cfl 29 Information Processing Society of Japan

7 情報処理学会研究報告 Normalization2 Normalization1 8 8 Accuracy (%) Accuracy (%) Normalization Normalization Range of use for y-axis (%) 図得られる学習データの量が変化した場合 % %+ *%+ "", * %"%, + %,* "" * + ", ** " " ," % * " * )- のデータセットに対するクロスバリデーション! # $ &'' ' 3 学習データの変化に対する精度比較表 986 Quantity of learning data (frame number) 歩行者が観測される領域に偏りがある場合 ' と正規化法のようにをスケールパラメータを用いることでニューラルネットワークに図より内部的に特徴量を正規化する方法では結果的に同じ処理が特徴ベクトルに対し行われ * を学習データとして用いた場合におけるフレーム毎の歩行者検出数ていると考えられるまた図 ) 9 より正規化法を用いた場合の提案手法では全学習データを用いた場合よりも全体の " 割程度の学習データのみを用いた方が精度がかなりにおける提案手法の有効性を調べるため実験とは別のシーンの映像を用いて実験を行高くなっていることがわかるこれは過学習が起こったためだと思われるこのことはう本節ではらが用いている! +;! 1 / 7 7 < + ; のデー図 9 で正規化法を用いた場合の歩行者数計測では学習データと重複する部分においタセットを解像度,, にリサイズしたものを用いたこのデータセットから, フて正規化法を用いた場合と比べてもかなり高い精度で歩行者数を推定出来ていることレーム分の画像を使用し学習データを作成した本節では作成した学習データを, 枚からも確認できる以上より正規化法は学習データへの依存度が高いことがわかるずつつのデータセット 6 6 に分割しこれらのデータセットを用いてクロス正規化法を用いるためには学習データとして用いる映像に注意を払う必要があるバリデーションを行うことで提案手法の有効性を検証するブロブベースで精度を比較した実験提案手法の有効性結果を表実験より精度と必要とされる学習データの両面から考慮すると正規化法を用いたに示すまたフレーム毎の歩行者検出数を図に示す図において網掛けされている部分は学習データと重複するフレームである歩行者数計測が有効であることが分かったそこで実験では正規化法を用いた場合表より分割したつのデータセットのうちのどれを用いても,: 以上の精度で歩行 )**+! "!

8 Viola, P., Jones, M. and Snow, D.: Detecting pedestrians using patterns of motion 1) appearance", IJCV, Vol.63(2), pp (25). and Zhao, T. and Nevatia, R.: Bayesian human segmentation in crowded situations", 2) Vol.2, pp (23). CVPR, Antonini, G. and Thiran, J. P.: Counting Pedestrians in Video Sequences Using 3) Trajectory Clustering", IEEE Transactions on Circuits and Systems for Video Vol.16, pp.8 2 (26). Technology, Kong, D., Gray, D. andtao, H.: Counting pedestrians in crowds using viewpoint 4) training", British Machine Vision Conf. (25). invariant Chan, A.B. and Vasconcelos, N.: Mixtures of Dynamic Textures", IEEE Inter- 5) Conference on Computer Vision (25). national Chan, A.B., Liang, Z.-S.J. and Vasconcelos, N.: Privacy Preserving Crowd Moni- 6) Counting People without People Models or Tracking", IEEE Conf. on Computetoring: Vision and Pattern Recognition(CVPR) (28). (28). (141)245 (148)252 Schreer, O., Feldmann, I., Golz, U. and Kauff, P.: FAST AND ROBUST 8) DETECTION IN VIDEOCONFERENCE APPLICATION", 4th IEEE SHADOW Symposium on Video Proces. and Multimedia Comm, pp (22). Intern. with IEEE Conference on Computer Vision, I. C. and 26, P. R.: Ninth IEEE 9) Workshop on Performance Evaluation of Tracking and Surveillance International SIG Technical Report IPSJ 3 8 data2 data3 3 data1 data4 data1 data % fps 1 1 homography 2 ROI 4 homography Parzen 7) Vol.62, pp. " (PETS 26)", ((accessed 28/1/15)). 8 cfl 29 Information Processing Society of Japan

121025　資料４　国民年金保険料の後紊制度の実施状況等について

121025　資料４　国民年金保険料の後紊制度の実施状況等について平成 24 年 10 月 25 日国民年金部資料 4 国民年金保険料の後納制度の実施状況等について高齢期の年金権の確保等を目的とした国民年金及び企業年金等による高齢期における所得の確保を支援するための国民年金法等の一部を改正する法律 ( 平