1. 1
進化する物体認識技術
一般物体認識とは
http://mprg.jp/tutorials
機械知覚&ロボティクス研究グループ(中部大学)
中部
工学
助手
中部大学
工学部 情報工学科
講師
大学
部 ロボット理工学科
中部大学
工学部 ロボット理工学科
助手
山内 悠嗣
機械知覚＆ロボティクスグル
487-8501
愛知県春日井市松本町120
Tel 0568-51-8249
Fax 0568-51-9409
yuu@vision.cs.chubu.ac.jp
http://vision.cs.chubu.ac.jp
MACHINE PERCEPTION AND
中部大学
工学部 情報工学科
講師
山下 隆義
機械知覚＆ロボティクスグループ
487-8501
愛知県春日井市松本町1200
Tel 0568-51-9670
Fax 0568-51-1540
yamashita@cs.chubu.ac.jp
http://vision.cs.chubu.ac.jp
博士（工学）
MACHINE PERCEPTION AND ROBOTICS GROUP
中部大学
工学部 ロボット理工学科
教授
藤吉 弘亘
機械知覚＆ロボティクスグループ
487-8501
愛知県春日井市松本町1200
Tel 0568-51-9096
Fax 0568-51-9409
hf@cs.chubu.ac.jp
http://vision.cs.chubu.ac.jp
博士（工学）
MACHINE PERCEPTION AND ROBOTICS GROUP

2. 1.1 進化する物体認識
1.2 一般物体認識とは
1.3 一般物体認識の細分化
2

3. 3
夜間の歩行者や障害物を検知
人の目に見えない近赤外線を前方に照射し、夜間見えにくい前方の歩行者、道路状況などを近赤外線カ
メラで撮影し、ディスプレイに表示
http://www.toyota.co.jp/jpn/tech/safety/technology/technology_file/active/night_view.html
ナイトビューシステム（トヨタ）

4. 4
年齢/性別が判別できる自販機（JR品川駅）
人が自販機の前に立って、商品購入をしようという場合は、顧客属性(年齢、性別)を判定し、属性ごとに
お勧め商品の表示を行ったり、季節や時間帯、環境に応じた商品の提案
http://news.mynavi.jp/news/2010/08/10/058/index.html
デジタルサイネージ自販機(オムロン)

5. 5
Amazon Flow
実世界をアマゾンにするAR買い物アプリ
商品情報をオーバーレイ表示
http://itunes.apple.com/us/app/flow-powered-by-amazon/id474664425?mt=8
8

6. 6
写真から被写体やテキストを解析して検索する画像検索ツール
対象：書籍とDVD, ランドマーク, ロゴ, 連絡先情報, 芸術, お店, 商品, バーコード, テキスト
http://www.google.com/mobile/goggles/
Text Artwork
WineLandmark
Google Goggles

7. 7
KINECT for Xbox360(Microsoft)
人体部位認識に基づく三次元姿勢推定
異なる姿勢の大量の人サンプル画像をコンピュータに学習
http://research.microsoft.com/en-us/projects/vrkinect/default.aspx

8. 8
KINECT for Xbox360(Microsoft)

9. 9
一般物体認識とは？

10. 10
歩行者検出・車両検出・標識認識・白線検出・シーン分割・シーン理解
一般物体認識の解

11. 11
• 制約のない実世界シーンの画像に対して、計算機がその
中に含まれる物体を一般的な名称で認識すること
‒ 物体認識を難しくする要因
‒ 多くのカテゴリが存在
‒ 物体の位置が不明
‒ 見え方の違い
‒ 照明変動
‒ オクルージョン
‒ スケールの変化
‒ 変形
一般物体認識とは
14

12. 一般物体認識問題の細分化
これは建物ですか？
照合
人はどこですか？
物体検出
何の画像ですか？
画像分類
どのようなシーンですか？
シーンの理解
特定物体認識
一般物体認識
標識 止まれ ですか？
12

13. 照合：Object Verification
• 画像中のある物体を指し，対象物体のカテゴリであるか
否かを照合する問題
‒ 指紋照合 [松本, 佐藤, 藤吉, 梅崎, "LPC分析に基づく指紋照合法の評価", 電学論, 122-C, No. 5, pp. 799-807, 2002]
登録パターン
特徴抽出→ 出力：本人／他人入力：画像 →照合→
指紋入力
距離計算・判定 本人／他人特徴抽出
照合
13

14. 物体検出：Object Detection
• あるカテゴリ物体が，画像中のどこにあるかを求める問
題
‒ 顔検出 [P. Viola, M. Jones, Robust Real-time Face Detection , IJCV2001]
‒ 人検出 [N. Dalal, B. Triggs, Histogram of Oriented Gradient for Human Detection , CVPR2005]
Haar-like特徴量
HOG特徴量抽出
顔検出結果
人検出結果 HOG特徴量
14

15. 画像分類：Image Categoraization
• 画像中の物体がどの物体カテゴリであるかを分類する問
題
‒ Bag-of-Keypoints (BOF)
[G. Csuka et al., Visual Categorization with Bags of Keypoints , ECCV2004]
顔
バイク
→
→
→
→
入力画像
入力画像
特徴抽出
特徴抽出
ベクトル量子化ヒストグラム
ベクトル量子化ヒストグラム
→
→
15

16. シーンの理解：Scene Understanding
• 画像内のシーン構造を理解する問題
‒ 画 像 セグメン テーションとラベル付けによる三次元構造の獲得
[D. Hoiem et al., "Automatic Photo Pop-up", SIGGRAPH 2005]
入力：単一画像
Ground
Vertical
Sky
ラベル付け シーン分割 出力：三次元構造
Image
Learned Models
→ → →
16

17. • 画像中のある物体の固有名詞を答える問題
‒ 交通道路標識の認識
[高木, 藤吉, "SIFT特徴量を用いた交通道路標識認識", 電学論, Vol. 129-C, No. 5, pp. 824-831, 2009]
特定物体認識：Specific Object Recognition
交通標識(テンプレート)
30
30
入力画像
登録パターン
17

18. 18
• 一般物体認識とは
‒ 制約のない実世界シーンの画像に対して、計算機がその中に含まれる物
体を一般的な名称で認識すること
• 一般物体認識を細分化
‒ 特定物体認識
画像局所特徴量
‒ 物体検出
局所特徴量と統計的学習手法の組み合わせ
まとめ