特開2023-182085IP Force 特許公報全文掲載

ホーム > 特許ランキング > 株式会社日立製作所 > 特開2023-182085

技術分野

行動認識装置、学習装置、および行動認識方法

要約特許出願時に添付された[要約書]

【課題】形状の一部が欠損した認識対象の複数種類の行動を高精度に認識する場合に、記憶容量の低減および行動認識の高速化を図ること。
【解決手段】行動認識装置は、多変量解析で統計的な成分を生成する成分分析により学習対象の形状から得られる学習対象に関する成分群と、学習対象の行動と、を用いて学習された行動分類モデルにアクセス可能であり、解析対象データから認識対象の形状を検出し、認識対象の形状のうち欠損箇所の位置を示す欠損位置情報を生成し、非欠損情報から欠損箇所を補間し、補間後の非欠損情報を認識対象の形状として更新し、成分分析により、補間された認識対象の形状に基づいて、学習対象に関する成分群と同数の認識対象に関する成分群を生成し、行動分類モデルに、生成された認識対象に関する成分群と、欠損位置情報と、を入力することにより、認識対象の行動を示す認識結果を出力する。
【選択図】図１

発明が解決しようとする課題[発明の詳細な説明]から抜粋

しかしながら、上述した特許文献１は、行動分類モデル群から特定の行動分類モデルを選択して行動認識する技術であり、１つの行動分類モデルを駆使して行動認識する点については、考慮されていない。

課題を解決するための手段[発明の詳細な説明]から抜粋

本願において開示される発明の一側面となる行動認識装置は、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する行動認識装置であって、多変量解析で統計的な成分を生成する成分分析により学習対象の形状から得られる前記学習対象に関する成分群と、前記学習対象の行動と、を用いて学習された行動分類モデルにアクセス可能であり、前記プロセッサは、解析対象データから認識対象の形状を検・・・　続きを知財ポータルサイト IP Force にログインして見る

発明の効果[発明の詳細な説明]から抜粋

本発明の代表的な実施の形態によれば、形状の一部が欠損した認識対象の複数種類の行動を高精度に認識する場合に、記憶容量の低減および行動認識の高速化を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

この発明についての権利主張の範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】 図１は、実施例１にかかる行動認識システムのシステム構成例を示す説明図である。
【図2】 図２は、コンピュータのハードウェア構成例を示すブロック図である。
【図3】 図３は、学習データの一例を示す説明図である。
【図4】 図４は、実施例１にかかる行動認識システムの機能的構成例を示すブロック図である。
【図5】 図５は、骨格情報処理部の詳細な機能的構成例を示すブロック図である。
【図6】 図６は、関節角度算出部が実行する関節角度の詳細な算出方法を示す説明図である。
【図7】 図７は、移動量算出部が実行するフレーム間の移動量の詳細な算出方法の例を示す説明図である。
【図8】 図８は、正規化部が実行する骨格情報の正規化の詳細な手法を示す説明図である。
【図9】 図９は、教師信号ＤＢが保持する教師信号の詳細な例を示す説明図である。
【図10】 図１０は、教師信号を入力データとして主成分分析部が生成した主成分を、主成分空間上にプロットした例を示す説明図である。
【図11】 図１１は、主成分分析部および欠損位置情報生成部が、行動学習部に出力するデータを示す説明図である。
【図12】 図１２は、行動学習部が行動を学習し、行動認識部が行動を分類するための詳細な手法を示す説明図である。
【図13】 図１３は、主成分分析部が次元数決定の際に用いる累積寄与率の推移を示すグラフである。
【図14】 図１４は、実施例１にかかるサーバ（学習装置）による学習処理の詳細な処理手順例を示すフローチャートである。
【図15】 図１５は、実施例１にかかる骨格情報処理の詳細な処理手順例を示すフローチャートである。
【図16】 図１６は、実施例１にかかるクライアント（行動認識装置）による行動認識処理手順例を示すフローチャートである。
【図17】 図１７は、実施例２にかかる行動認識システムの機能的構成例を示すブロック図である。
【図18】 図１８は、実施例３にかかる教師信号ＤＢが保持する教師信号の詳細な例を示す説明図である。
【図19】 図１９は、実施例３にかかる主成分分析部および欠損位置情報生成部が、行動学習部に出力するデータを示す説明図である。
【図20】 図２０は、実施例３にかかる行動認識システムの機能的構成例を示すブロック図である。
【図21】 図２１は、実施例３にかかるクライアント（行動認識装置）による行動認識処理手順例を示すフローチャートである。
【図22】 図２２は、実施例４にかかる骨格情報処理部の機能的構成例を示すブロック図である。
【図23】 図２３は、実施例４にかかる骨格情報処理部の詳細な処理手順例を示すフローチャートである。
【図24】 図２４は、実施例５にかかる行動認識システムの機能的構成例を示すブロック図である。
【図25】 図２５は、実施例６にかかる行動認識システムの機能的構成例を示すブロック図である。
【図26】 図２６は、行動学習部および行動認識部が行動を分類するための基礎となる手法である決定木を示す説明図である。
【図27】 図２７は、決定木による分類の詳細な展開方法を示す説明図である。
【図28】 図２８は、アンサンブル学習と、行動学習部と行動認識部が行動を分類するために用いる手法を示す説明図である。
【図29】 図２９は、実施例７にかかる行動認識システムの機能的構成例を示すブロック図である。
【図30】 図３０は、実施例７にかかるサーバ（学習装置）による学習処理の詳細な処理手順例を示すフローチャートである。

選択図 図1出願人が指定した本件の代表的な図

１００ 行動認識システム １０１ サーバ １０２ クライアント １０３ センサ １０４ 教師信号ＤＢ ２０１ プロセッサ ２０２ 記憶デバイス ３２０ 骨格情報 ４０１，２０００ 教師信号取得部 ４０２ 欠損発生部 ４２１ 欠損制御部 ４０３，４５３ 骨格情報処理部 ４０４，４５４ 主成分分析部 ４０６，２５００，２９０１ 行動学習部 ４２２，４６２ 欠損位置情報生成部 ４２３，４６１ 欠損情報補間部 ４５１ 骨格検出部 ４５５ 次元数決定部 ４５７，２５０１，２９０４ 行動認識部 ５０１ 関節角度算出部 ５０２ 移動量算出部 ５０３ 正規化部 ２００１ 環境情報検出部 ２２０４ 相互情報正規化部 ２４００，２４０１，２９００，２９０３ 次元削減部

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

［広告欄］

ログインすれば広告は減ります

ログインすれば広告は減ります

Copyright © Science Impact Inc. All Rights Reserved.