JP2021064025A - 位置推定装置、位置学習装置及びプログラム - Google Patents
位置推定装置、位置学習装置及びプログラム Download PDFInfo
- Publication number
- JP2021064025A JP2021064025A JP2019186619A JP2019186619A JP2021064025A JP 2021064025 A JP2021064025 A JP 2021064025A JP 2019186619 A JP2019186619 A JP 2019186619A JP 2019186619 A JP2019186619 A JP 2019186619A JP 2021064025 A JP2021064025 A JP 2021064025A
- Authority
- JP
- Japan
- Prior art keywords
- person
- neural network
- unit
- density map
- gaze
- 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
- 238000013528 artificial neural network Methods 0.000 claims abstract description 130
- 238000004364 calculation method Methods 0.000 claims abstract description 110
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 230000006870 function Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 description 52
- 238000000034 method Methods 0.000 description 26
- 239000013598 vector Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
まず、実施例1について説明する。前述のとおり、実施例1は、画像から、領域毎の人物密度及び位置毎の注視度を演算し、これらのデータを入力データとし、遊具の位置推定値を出力データとしたニューラルネットワークを用いて、遊具の位置を推定するものである。
図1は、実施例1の位置推定装置の構成を示すブロック図であり、図2は、その処理を示すフローチャートである。この位置推定装置1−1は、人物位置計測部10、人物密度マップ演算部11、人物姿勢計測部12、注視度演算部13、ニューラルネットワーク部14−1及びメモリ15−1を備えている。
図4は、実施例1の位置学習装置の構成を示すブロック図であり、図5は、その処理を示すフローチャートである。この位置学習装置2−1は、人物位置計測部10、人物密度マップ演算部11、人物姿勢計測部12、注視度演算部13、ニューラルネットワーク部14−1、メモリ20−1、誤差演算部21及び係数更新部22−1を備えている。
次に、実施例2について説明する。前述のとおり、実施例2は、画像から領域毎の人物密度を演算し、領域毎の人物密度を入力データとし、遊具の位置推定値を出力データとしたニューラルネットワークを用いて、遊具の位置を推定するものである。
図6は、実施例2の位置推定装置の構成を示すブロック図であり、図7は、その処理を示すフローチャートである。この位置推定装置1−2は、人物位置計測部10、人物密度マップ演算部11、ニューラルネットワーク部14−2及びメモリ15−2を備えている。
図9は、実施例2の位置学習装置の構成を示すブロック図であり、図10は、その処理を示すフローチャートである。この位置学習装置2−2は、人物位置計測部10、人物密度マップ演算部11、ニューラルネットワーク部14−2、メモリ20−2、誤差演算部21及び係数更新部22−2を備えている。
2−1,2−2 位置学習装置
10 人物位置計測部
11 人物密度マップ演算部
12 人物姿勢計測部
13 注視度演算部
14−1,14−2 ニューラルネットワーク部
15−1,15−2,20−1,20−2 メモリ
21 誤差演算部
22−1,22−2 係数更新部
Claims (6)
- 入力画像内の所定物の位置を推定する位置推定装置において、
前記入力画像の画像特徴に基づいて人物を検出し、所定の座標系における前記人物毎の位置を計測する人物位置計測部と、
前記人物位置計測部により計測された前記人物毎の位置から、前記所定の座標系における領域毎に人物密度を演算し、前記領域毎の人物密度を人物密度マップとして生成する人物密度マップ演算部と、
前記人物密度マップ演算部により生成された前記人物密度マップを入力データとして、予め設定された学習済み係数を用いたニューラルネットワークの演算を行い、前記所定物の位置の推定値を示す位置推定値を出力データとして求めるニューラルネットワーク部と、
を備えたことを特徴とする位置推定装置。 - 請求項1に記載の位置推定装置において、
さらに、前記入力画像の画像特徴に基づいて前記人物を検出し、前記人物毎の姿勢を計測する人物姿勢計測部と、
前記人物姿勢計測部により計測された前記人物毎の姿勢から、前記所定の座標系におけるそれぞれの座標位置に対して全ての前記人物が注視する度合いを、位置毎の注視度として演算する注視度演算部と、を備え、
前記ニューラルネットワーク部は、
前記人物密度マップ演算部により生成された前記人物密度マップ、及び前記注視度演算部により演算された前記位置毎の注視度を前記入力データとして、前記学習済み係数を用いた前記ニューラルネットワークの演算を行い、前記位置推定値を前記出力データとして求める、ことを特徴とする位置推定装置。 - 入力画像と、当該入力画像に対応する所定物の位置の真値を示す位置真値とを学習データとして入力し、当該学習データに基づいてニューラルネットワークの係数を求める位置学習装置において、
前記入力画像の画像特徴に基づいて人物を検出し、所定の座標系における前記人物毎の位置を計測する人物位置計測部と、
前記人物位置計測部により計測された前記人物毎の位置から、前記所定の座標系における領域毎に人物密度を演算し、前記領域毎の人物密度を人物密度マップとして生成する人物密度マップ演算部と、
前記人物密度マップ演算部により生成された前記人物密度マップを入力データとして、前記係数を用いた前記ニューラルネットワークの演算を行い、前記所定物の位置の推定値を示す位置推定値を出力データとして求めるニューラルネットワーク部と、
前記入力画像に対応する前記位置真値と、前記ニューラルネットワーク部により求めた前記位置推定値との間の誤差を演算する誤差演算部と、
前記誤差演算部により演算された前記誤差に基づいて、前記ニューラルネットワークの前記係数を更新する係数更新部と、
を備えたことを特徴とする位置学習装置。 - 請求項3に記載の位置学習装置において、
さらに、前記入力画像の画像特徴に基づいて前記人物を検出し、前記人物毎の姿勢を計測する人物姿勢計測部と、
前記人物姿勢計測部により計測された前記人物毎の姿勢から、前記所定の座標系におけるそれぞれの座標位置に対して全ての前記人物が注視する度合いを、位置毎の注視度として演算する注視度演算部と、を備え、
前記ニューラルネットワーク部は、
前記人物密度マップ演算部により生成された前記人物密度マップ、及び前記注視度演算部により演算された前記位置毎の注視度を入力データとして、前記係数を用いた前記ニューラルネットワークの演算を行い、前記位置推定値を出力データとして求める、ことを特徴とする位置学習装置。 - コンピュータを、請求項1または2に記載の位置推定装置として機能させるためのプログラム。
- コンピュータを、請求項3または4に記載の位置学習装置として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019186619A JP7373352B2 (ja) | 2019-10-10 | 2019-10-10 | 位置推定装置、位置学習装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019186619A JP7373352B2 (ja) | 2019-10-10 | 2019-10-10 | 位置推定装置、位置学習装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021064025A true JP2021064025A (ja) | 2021-04-22 |
JP7373352B2 JP7373352B2 (ja) | 2023-11-02 |
Family
ID=75487996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019186619A Active JP7373352B2 (ja) | 2019-10-10 | 2019-10-10 | 位置推定装置、位置学習装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7373352B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434125A (zh) * | 2023-06-13 | 2023-07-14 | 南昌航空大学 | 一种基于一维卷积神经网络的羽毛球落地点检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016099941A (ja) * | 2014-11-26 | 2016-05-30 | 日本放送協会 | オブジェクト位置推定システム、及びそのプログラム |
JP2017055175A (ja) * | 2015-09-07 | 2017-03-16 | キヤノン株式会社 | 画像処理装置 |
WO2019188714A1 (ja) * | 2018-03-30 | 2019-10-03 | 株式会社 Preferred Networks | 推定処理装置、推定モデル生成装置、推定モデル、推定方法およびプログラム |
-
2019
- 2019-10-10 JP JP2019186619A patent/JP7373352B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016099941A (ja) * | 2014-11-26 | 2016-05-30 | 日本放送協会 | オブジェクト位置推定システム、及びそのプログラム |
JP2017055175A (ja) * | 2015-09-07 | 2017-03-16 | キヤノン株式会社 | 画像処理装置 |
WO2019188714A1 (ja) * | 2018-03-30 | 2019-10-03 | 株式会社 Preferred Networks | 推定処理装置、推定モデル生成装置、推定モデル、推定方法およびプログラム |
Non-Patent Citations (1)
Title |
---|
青木義満他: "ラグビー映像解析システムの開発", 電子情報通信学会論文誌B VOLUMEJ100−B NO.12 [ONLINE], vol. 第100-B巻 第12号, JPN6023030628, 1 December 2017 (2017-12-01), JP, pages 941 - 951, ISSN: 0005116952 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434125A (zh) * | 2023-06-13 | 2023-07-14 | 南昌航空大学 | 一种基于一维卷积神经网络的羽毛球落地点检测方法 |
CN116434125B (zh) * | 2023-06-13 | 2023-08-29 | 南昌航空大学 | 一种基于一维卷积神经网络的羽毛球落地点检测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7373352B2 (ja) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Van der Kruk et al. | Accuracy of human motion capture systems for sport applications; state-of-the-art review | |
Kumar et al. | Multimodal gait recognition with inertial sensor data and video using evolutionary algorithm | |
Soo Park et al. | Social saliency prediction | |
CN105636201B (zh) | 基于稀疏信号指纹数据库的室内定位方法 | |
JP6704606B2 (ja) | 判定システム、及び判定方法 | |
US20090298588A1 (en) | Method of automatically detecting offside in Soccer using fixed and wireless sensors and central server | |
JP2016091108A (ja) | 人体部位検出システムおよび人体部位検出方法 | |
CN112199983B (zh) | 一种多层次筛选的长时间大范围行人再识别方法 | |
Zheng et al. | Measuring human-induced vibrations of civil engineering structures via vision-based motion tracking | |
Meghji et al. | An algorithm for the automatic detection and quantification of athletes’ change of direction incidents using IMU sensor data | |
JP2004096501A (ja) | 移動体の位置検出システム、移動体の位置検出方法、及びプログラム | |
KR102369945B1 (ko) | 압력을 이용한 운동 자세 구분 방법 및 장치 | |
JP2021135619A (ja) | 状況識別装置、状況学習装置及びプログラム | |
JP7373352B2 (ja) | 位置推定装置、位置学習装置及びプログラム | |
Brzostowski et al. | Data fusion in ubiquitous sports training: methodology and application | |
Pham et al. | Histogram feature-based approach for walking distance estimation using a waist-mounted IMU | |
Bačić | Echo state network for 3D motion pattern indexing: A case study on tennis forehands | |
Flores-Barranco et al. | Accidental fall detection based on skeleton joint correlation and activity boundary | |
Zhang et al. | Motion trajectory tracking of athletes with improved depth information-based KCF tracking method | |
Kautz | Acquisition, filtering and analysis of positional and inertial data in sports | |
Neskorodieva et al. | Real-time Classification, Localization and Tracking System (Based on Rhythmic Gymnastics) | |
Hassan et al. | Recognizing football game events: Handball based on Computer Vision | |
Jiang | Application of motion trajectory recognition based on remote sensing image optical processing in optimizing swimming training schemes | |
Fan et al. | [Retracted] Automatic Capture Processing Method of Basketball Shooting Trajectory Based on Background Elimination Technology | |
Amouzandeh et al. | Statistical analysis of sport movement observations: The case of orienteering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220901 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230714 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230728 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230907 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230928 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231023 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7373352 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |