!! "#! "#"! "#$! "#%! $#! $#"! $#$! $#%! $#&! %
物体認識 検出 について '()*++,-./#,0121#3)+,04.50+6789+":; '()*++)010;216,#3)+9,+<7==+240>0;.?>65.6#'@4A 物体検出は簡単か 多様な変動要素が存在して難しい 変動要素に対応する特徴量 学習手法がキー カメラの角度 姿勢 向き 形状が多様 照明変動 オクルージョン
!!!!!!!
特定物体認識の処理の流れ 画像中の部分領域が検出対象かどうかを比較 部分領域 比較 物体情報 特徴量 画像サイズを 変えながら比 較 学習手法 認識処理 特定物体認識を実現する要素 特徴量 学習手法 認識する物体の情報を抽出 特徴量を汎化性のあるモデルへ 多様な変化が生じても 共通な情報に変換 多様な変化が生じても 共通な情報を選択 Edge, Color, haar-like, HOG Neural Network Support Vector Machine AdaBoost 学習手法の発展とともに特徴量も発展
$: ""B $:C BC "": &% =: DB
!!
E1@.F50A!E40F.
;2/.A! GA@.5
40F16@H9. :I "B:I 40F16@H9. 40F16@H9. 40F16@H9. :I "B:I :I "B:I :I "B:I 40F16@H9. 40F16@H9. 40F16@H9. 40F16@H9. :I :I :I "B:I :I "B:I "B:I "B:I
m! "#$#%! 0 180 9
& "3!3% '($($!)*'! " (+,-+&.&/$'+&)&/+& ' 0 0 ' "#$%& Multiview Pedestrian Detection Based on Vector Boosting
E1@.F50A!J6;@2F504
;2/.A! GA@.5
! J005!KA6>.!! 7! 77!!
L90M22;@!M22;N1F! "CCOP#Q5.H19RQ5.H19!SCOT!! U090)NV.W!! X!! L90M22;@!!!!!
"Y$! "!! N!!!!!!!!!*!!!!!!*!! Z"Y!K"! $!!!
! " K"! :#D! %#"! [62A0\]21.;! " h t (x) = 1 p v(x) >p θ 1 otherwise h t t v θ p
%#$!! e t,m h! e t,m = N i:h t (x i )=y i D t (i) :#D p! ^.F_!!!`a2; a2;_!!!`^.f a2;!!!!!!!!!!!!!!!!^.f!! p a2;!!!!!!!!!!!!!!!!^.f!! θ e t,m =0.65 θ e t,m = 1 (0.65) = 0.35
&YD! e t &!h! D!!!b!! h t = arg min e t,m α t = 1 2 ln 1 et e t α t (ln = log e ) e t = 0.067 α = 1 2 ln(0.933 0.067 ) = 1 ln 13.925 2 = 1.316 e t = 0.241 α = 1 2 ln(0.759 0.241 ) = 1 ln 3.149 2 = 0.574 e t = 0.5 α = 1 2 ln(0.5 0.5 ) = 1 2 ln 1 = 0
=YO! =!! D t+1 (i) =D t (i) exp( α t y t h t (x i )) y =1 y =1 h =1 h =-1 y t h t (x i )=1 D t+1 (i) =D t (i) exp( α t ) y t h t (x i )= 1 D t+1 (i) =D t (i) exp(α t ) O!! D t+1 (i) D t+1 (i) = N D t (i) exp( α t y t h t (x i )) i=1
B!!! λ H T H(x) = sign α t h t (x) λ t=1
UW! U":: $::: W!!!!! $Y::: DY:::":Y:::! L90M22;@
c.0a!l90m22;@! d.1@a.!m22;n1f! L90M22;@ c.0a!l90m22;@ L90M22;@Ue6;,5.@.!L90M22;@W! U"YK"W X!! c.0a!l90m22;@rf,'0)65.!scct! L90M22;@! U5.0AW!!!!
"Y$! "!! N!!!!!*!!!!!!*!! Z"Y!K"! $!!!
%#"!! ME^!!UW :!!"!!$!!!!!!!!!!g!!!!!!!!!=$!=%!" ME^ :!!"!!$!!!!!!!!!!g!!!!!!!!!=$!=%!" ME^
%#$! $ M'0(0,'05880!! *! z =1 j W j +W j!" ME^!" ME^
&!#" #"!b!! U!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!W!" ME^ = 0.1, = 0.2 = -1.39!" ME^ = 0.15, = 0.15 = 0.0!" ME^ = 0.26, = 0.12 = 1.54
D D!!" ME^!" ME^!" ME^ = 0.1, = 0.2 = -1.39 = 0.15, = 0.15 = 0.0 = 0.26, = 0.12 = 1.54
= =!! L90M22;@X! H λ T H(x) = sign h t (x) λ t=1
M22;N1F
! hb:#% hb:#b 123 M22;N1F ' X J " U!!!!!!!!!!!!WY!!X " hb:#d hb:#=
hb:#o 123 hb:#d hb:#% M22;N1F ' X J " U!!!!!!!!!!!!WY!!X " J $ U!!!!!!!!!!!!WY!!X $ hb:#$ hb:#% hb:#& hb:#o M22;N1F ' X J " U!!!!!!!!!!!!WY!!X " J $ U!!!!!!!!!!!!WY!!X $ hb:#c 123 J i U!!!!!!!!!!!!WY!!X i
!
!!
J005KA6>.
Jjd
k9f.a.@
Jjd Jjd!!! &
j =(011) 2 = 3 L90M22;@
! 4556789:; J005KA6>. Z(x)! +!$ Z(x)! J005KA6>.!! 4556789:; Z(x)! J005KA6>. Z(x)! J005KA6>. Z(x)! J005KA6>. ]261@!J005KA6>. +! +! +! J005KA6>. J005KA6>. J005KA6>. $
!! e U6W! 4556789:;!! ]261@!J005KA6>. ]261@!J005KA6>. " 2<5=>>?@
fqf! "#!"! $#!"! %#!$ $#!!
l2-!a.v.ab! & '& & L90M22;@! L90M22;@! L90M22;@! l2-!a.v.a! f'0).a.@! f'0).a.@
! & f'0).a.@ L90M22;@! f'0).a.@! f'0).a.@
]261@!J005KA6>. f'0).a.@! &! &! &! &! & &! &!! &! & A B>90@&4CD ]261@!J005KA6>. f'0).a.@ ]261@!Jjd %! Y $ $ ]261@!Jjd! ajjl $ Jjd M22;N1F
]261@!Jjd! ]261@!Jjd L90M22;@! $::! Y ]261@!Jjd! m699a.!a.v.a " L90M22;@ Jjd $ L90M22;@ Jjd
" L90M22;@! $ L90M22;@! $ L90M22;@ ]261@!Jjd & E&E&.&=>>?F0G&E&"1HIJA++*%
c.0a!l90m22;@! c.0a!l90m22;@ l2-ka.v.a! L90M22;@!: "! c.0a!l90m22;@! &"U%W!! ' (! ' )! n K! n Z! %!U%W! &!U%W h (x) KL&M6;N0<&50<&IL&OL&PQR5S96;&.&2&<;Q9?9>0@R;>6;FQ&G;0;6589T5F>0&>U&>07890;&8;56090G&& 50<&50&5SS89Q5F>0&@>&V>>?F0G&WE&BXPPE&'!!YL
n Z! n K! n Z! n K! A2-KA.V.A " " ^!! l2-!a.v.a! m699a.!l.v.a *! h(x) $ h1(x) $ $ 0 C(x) h2(x) 0 h1(x)!1 h2(x)!2 j m699a.!a.v.a! l2-!a.v.a!
m699a.!l.v.a! m699a.!l.v.a l2-!a.v.a! l2-ka.v.a!
Z>[78;\;8 19<<8;&Z;\;8 o0;,09.!!!!! `!!!
物体の探索方法 スライディングウィンドウ 物体の探索方法 スライディングウィンドウ 検出ウィンドウをずらしながら 位置 大きさを変えて探索 すべての位置 大きさを探索 するのは計算コスト大
物体の探索方法 o205;.k@2kq61.法 一定間隔ごとに荒く探索! 物体らしい領域のみ詳細に探索 計算コストを削減することができる o205;.k@2kq61.!とo0;,09. 浅い階層はo205;.探索 深い階層はQ61.探索 非物体 物体 非物体 物体 物体 さらに計算コストを削減することができる 非物体
!!!
p
!
p [.,@25!M22;N1F!
[.,@25!M22;N1F!! [.,@25!M22;N1F!!
! MIT+CMU Frontal Face Image! http://vasc.ri.cmu.edu/idb/html/face/frontal_images/index.html! CMU Profile Face Image! http://vasc.ri.cmu.edu/idb/html/face/profile_images/index.html! MIT CBCL Face Data! http://cbcl.mit.edu/cbcl/software-datasets/facedata.html! Yale Face Database B! http://cvc.yale.edu/! PIE! http://www.ri.cmu.edu/projects/project_418.html! UIUC Image Database for Car Detection! http://l2r.cs.uiuc.edu/~cogcomp/data/car/! MIT CBCL Car Data! http://cbcl.mit.edu/cbcl/software-datasets/cardata.html! Testing Images for Car Detection! http://vasc.ri.cmu.edu/idb/html/car/index.html
! INRIA Person Dataset! http://pascal.inrialpes.fr/data/human/! USC Pedestrian Detection Test Set! http://iris.usc.edu/~bowu/datasetwebpage/dataset.html! MIT CBCL Pedestrian Data! http://cbcl.mit.edu/cbcl/software-datasets/pedestriandata.html! Gavrila s Benchmark Dataset! http://www.gavrila.net/index.html! NICTA! http://nicta.com.au/research/project_list/completed_projects/smart_cars/ computer_vision_datasets/! OTCBVS! http://www.cse.ohio-state.edu/otcbvs-bench/! Open CV! http://sourceforge.net/projects/opencvlibrary/! INRIA Object Detection Toolkit (HOG)! http://pascal.inrialpes.fr/soft/olt/