JPWO2018154709A1 - 動作学習装置、技能判別装置および技能判別システム - Google Patents
動作学習装置、技能判別装置および技能判別システム Download PDFInfo
- Publication number
- JPWO2018154709A1 JPWO2018154709A1 JP2019500950A JP2019500950A JPWO2018154709A1 JP WO2018154709 A1 JPWO2018154709 A1 JP WO2018154709A1 JP 2019500950 A JP2019500950 A JP 2019500950A JP 2019500950 A JP2019500950 A JP 2019500950A JP WO2018154709 A1 JPWO2018154709 A1 JP WO2018154709A1
- Authority
- JP
- Japan
- Prior art keywords
- unit
- motion
- worker
- feature
- learning
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 233
- 230000006870 function Effects 0.000 claims abstract description 100
- 238000000605 extraction Methods 0.000 claims abstract description 73
- 238000003384 imaging method Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 description 26
- 238000000034 method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000009466 transformation Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20072—Graph-based image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2354/00—Aspects of interface with display user
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Psychiatry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Social Psychology (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Electrically Operated Instructional Devices (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
例えば、特許文献1に開示された動作特徴抽出装置では、ある作業工程に従事する熟練作業者の姿を撮影し、同じ撮影アングルで同一の作業工程に従事するときの一般作業者の姿を撮影して、一般作業者による異常動作を抽出している。より詳細には、熟練作業者の動画像データから立体高次自己相関(CHLAC)特徴を抽出し、一般作業者の評価対象画像からCHLAC特徴を抽出し、抽出したCHLAC特徴の相関関係に基づいて、一般作業者の異常動作を抽出している。
実施の形態1.
図1は、この発明の実施の形態1に係る技能判別システムの構成を示すブロック図である。
技能判別システムは、動作学習装置100および技能判別装置200で構成されている。動作学習装置100は、熟練した作業者(以下、熟練作業者と記載する)と、熟練した作業者でない一般の作業者(以下、一般作業者と記載する)との動作の特徴の違いを解析し、評価対象である作業者の技能を判別するための関数を生成する。ここで、評価対象である作業者には、熟練作業者および一般作業者が含まれるものとする。技能判別装置200は、動作学習装置100で生成された関数を用いて、評価対象である作業者の技能が熟達しているか否かを判別する。
動画像データベース101は、複数の熟練作業者および複数の一般作業者の作業の様子を撮影した動画像データを格納したデータベースである。第1の動作特徴抽出部102は、動画像データベース101に格納された動画像データから熟練作業者および一般作業者の動作の軌跡特徴を抽出する。第1の動作特徴抽出部102は、抽出した動作の軌跡特徴を動作特徴学習部103に出力する。
画像情報取得部201は、カメラ300が評価対象である作業者の作業の様子を撮像した動画像データ(以下、評価対象の動画像データという)を取得する。画像情報取得部201は、取得した動画像データを第2の動作特徴抽出部203に出力する。動作特徴辞書格納部202には、動作学習装置100から入力された基準となる動作の軌跡特徴を記述した動作特徴辞書が格納されている。
まず、動作学習装置100のハードウェア構成例について説明する。
図2Aおよび図2Bは、実施の形態1に係る動作学習装置100のハードウェア構成例を示す図である。
動作学習装置100における第1の動作特徴抽出部102、動作特徴学習部103および判別関数生成部104の各機能は、処理回路により実現される。即ち、動作学習装置100は、上記各機能を実現するための処理回路を備える。当該処理回路は、図2Aに示すように専用のハードウェアである処理回路100aであってもよいし、図2Bに示すようにメモリ100cに格納されているプログラムを実行するプロセッサ100bであってもよい。
メモリ100cは、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable ROM)、EEPROM(Electrically EPROM)等の不揮発性または揮発性の半導体メモリであってもよいし、ハードディスク、フレキシブルディスク等の磁気ディスクであってもよいし、ミニディスク、CD(Compact Disc)、DVD(Digital Versatile Disc)等の光ディスクであってもよい。
図3Aおよび図3Bは、実施の形態1に係る技能判別装置200のハードウェア構成例を示す図である。
技能判別装置200における画像情報取得部201、第2の動作特徴抽出部203、技能判別部205および表示制御部206の各機能は、処理回路により実現される。即ち、技能判別装置200は、上記各機能を実現するための処理回路を備える。当該処理回路は、図3Aに示すように専用のハードウェアである処理回路200aであってもよいし、図3Bに示すようにメモリ200cに格納されているプログラムを実行するプロセッサ200bであってもよい。
図4は、実施の形態1に係る動作学習装置100の動作を示すフローチャートである。
第1の動作特徴抽出部102は、動画像データベース101から熟練作業者および一般作業者の動作を撮影した動画像データを読み出す(ステップST1)。第1の動作特徴抽出部102は、ステップST1で読み出した動画像データから動作の軌跡特徴を抽出する(ステップST2)。第1の動作特徴抽出部102は、抽出した軌跡特徴を動作特徴学習部103に出力する。
第1の動作特徴抽出部102は、動画像データの特徴点を追跡し、ある一定以上のフレーム数の特徴点の座標の変遷を軌跡特徴として抽出する。また、第1の動作特徴抽出部102は、座標の変遷に加えて、動画像データの特徴点の周辺のエッジ情報、オプティカルフローのヒストグラム、またはオプティカルフローの一次微分のヒストグラムのうちの少なくともいずれか1つを追加して抽出してもよい。その場合、第1の動作特徴抽出部102は、座標の変遷に加えて得られた情報を統合した数値情報を軌跡特徴として抽出する。
ステップST4の動作特徴辞書の作成では、k−meansアルゴリズム等のクラスタリング手法によって、各クラスタの中央値を基準の軌跡特徴とする方法を適用することが可能である。
ステップST5の処理では、動作特徴学習部103は、まずステップST2で抽出された各軌跡特徴をベクトル化する。次に、動作特徴学習部103は、各軌跡特徴のベクトルと、ステップST3で決定された基準となる軌跡特徴のベクトルとの距離に基づいて、各軌跡特徴が基準となる軌跡特徴に類似しているか否か判定する。動作特徴学習部103は、類似しているか否かの判定結果に基づいて、各軌跡特徴のクラスタリングを行う。
動作特徴学習部103は、ステップST6で生成されたヒストグラムを用いて判別分析を行い、熟練作業者群と一般作的作業者群とのクラス間の分散が最大、且つ各クラス内の分散が最小となる射影軸を計算し、判別境界を決定する。動作特徴学習部103による演算は、以下の式(1)で示すフィッシャーの評価基準を最大化する。
式(1)において、SBはクラス間分散、SWはクラス内分散を表している。また、式(1)において、Aはヒストグラムを一次元の数値に変換する行列であり、上述した射影変換行列である。
また、このとき主成分分析を用いてデータの分散の大きい軸を予め計算し、次元圧縮のために主成分に変換する処理をした上で判別分析やSVM(Support Vector Machine)等の判別器を利用してもよい。これにより、動作特徴学習部103は、熟練作業者群と一般作業者群との分散が最大となる軸を検出し、熟達した動きであるか、または一般的な動きであるかを判別するのに有用な軌跡を得ることができる。即ち、動作特徴学習部103は、熟達した動きを示す軌跡を特定することができ、当該軌跡を可視化することができる。
図5は、実施の形態1に係る技能判別装置200の動作を示すフローチャートである。
画像情報取得部201が、評価対象である作業者の作業の様子を撮像した動画像データを取得すると(ステップST21)、第2の動作特徴抽出部203は、ステップST21で取得された動画像データの動作の軌跡特徴を抽出する(ステップST22)。第2の動作特徴抽出部203は、動作特徴辞書格納部202に格納された動作特徴辞書を参照し、抽出した軌跡特徴をクラスタリングし、出現頻度に応じたヒストグラムを生成する(ステップST23)。第2の動作特徴抽出部203は、ステップST23で生成されたヒストグラムを技能判別部205に出力する。
図6は、実施の形態1に係る動作学習装置100の処理を示す説明図である。
図6Aは、第1の動作特徴抽出部102が読み出した動画像データを示す図であり、作業者Xの動画像データを例に示している。
図6Bは、第1の動作特徴抽出部102が、図6Aの動画像データから抽出した動作の軌跡特徴を示す図である。図6Bの例では、作業者Xの手Xaの動作の軌跡特徴Yを示している。
技能判別装置200の表示制御部206は、図6Dで示した作業技能空間を用いて、技能判別部205の判別結果に基づいて、評価対象である作業者の技能レベルの程度を表示する制御を行ってもよい。
図7の例では、作業者Xの技能が熟達していないと判別され、当該作業者Xに対して、表示装置400を介して熟達した動作の軌跡Daを表示している。作業者Xは当該表示を視認することにより、自身が改善すべき箇所を容易に認識可能である。
この実施の形態2では、評価対象である作業者の体の部位毎に、技能を評価する構成を示す。
図8は、実施の形態2に係る技能判別システムの構成を示すブロック図である。
実施の形態2に係る技能判別システムの動作学習装置100Aは、図1に示した実施の形態1の動作学習装置100に部位検出部105を追加して構成している。また、第1の動作特徴抽出部102、動作特徴学習部103および判別関数生成部104に替えて、第1の動作特徴抽出部102a、動作特徴学習部103aおよび判別関数生成部104aを備えて構成している。
以下では、実施の形態1に係る動作学習装置100および技能判別装置200の構成要素と同一または相当する部分には、実施の形態1で使用した符号と同一の符号を付して説明を省略または簡略化する。
動作学習装置100Aにおける部位検出部105、第1の動作特徴抽出部102a、動作特徴学習部103aおよび判別関数生成部104aは、図2Aで示した処理回路100a、または図2Bで示したメモリ100cに格納されるプログラムを実行するプロセッサ100bである。
技能判別装置200Aにおける第2の動作特徴抽出部203a、技能判別部205aおよび表示制御部206a、図3Aで示した処理回路200a、または図3Bで示したメモリ200cに格納されるプログラムを実行するプロセッサ200bである。
図9は、実施の形態2に係る動作学習装置100Aの動作を示すフローチャートである。なお、図9のフローチャートにおいて、図4で示した実施の形態1のフローチャートと同一のステップには同一の符号を付し、説明を省略する。
部位検出部105は、動画像データベース101から熟練作業者および一般作業者の動作を撮影した動画像データを読み出す(ステップST31)。部位検出部105は、ステップST31で読み出した動画像データに含まれる作業者の部位を検出する(ステップST32)。部位検出部105は、検出した部位を示す情報と、読み出した動画像データとを第1の動作特徴抽出部102aに出力する。第1の動作特徴抽出部102aは、ステップST31で読み出された動画像データから、ステップST32で検出された作業者の部位毎に、動作の軌跡特徴を抽出する(ステップST2a)。第1の動作特徴抽出部102aは、作業者の部位毎の動作の軌跡特徴を動作特徴学習部103aに出力する。
図10は、実施の形態2に係る技能判別装置200Aの動作を示すフローチャートである。なお、図10のフローチャートにおいて、図5で示した実施の形態1のフローチャートと同一のステップには同一の符号を付し、説明を省略する。
第2の動作特徴抽出部203aは、動作特徴辞書格納部202に格納された動作特徴辞書を参照し、抽出した軌跡特徴をクラスタリングし、出現頻度に応じたヒストグラムを部位毎に生成する(ステップST23a)。第2の動作特徴抽出部203aは、ステップST23aで生成したヒストグラムと作業者の部位とを紐付けて技能判別部205aに出力する。技能判別部205aは、判別関数蓄積部204に蓄積された部位毎の判別関数により、ステップST23aで生成されたヒストグラムから、作業者の部位毎の技能が熟達しているか否か判別する(ステップST24a)。技能判別部205aは、ステップST24aにおいて、全ての部位の技能について判別を行うと、判別結果を表示制御部206aに出力する。
また、技能判別装置200Aにおいて、評価対象の作業者に対して部位毎に情報を提示することができ、詳細な情報の提示が可能となる。
図11では、実施の形態1の図6Cで示した学習結果に対して、スパース正則化項を追加して射影軸を計算して得られた際の、作業空間および軌跡Eを示している。図11Dで示した横軸は第3の軌跡特徴Cを示し、その他の各軸は各軌跡特徴の出現頻度を表している。軌跡Eは、第3の軌跡特徴Cに対して平行であり、作業者に熟達した動きを示す軌跡をより分かりやすく表示している。
Claims (7)
- 熟練作業者と一般作業者とのそれぞれを撮像した動画像データに基づいて、前記熟練作業者および前記一般作業者の動作の軌跡特徴を抽出する第1の動作特徴抽出部と、
前記第1の動作特徴抽出部が抽出した前記軌跡特徴の中から決定した基準となる軌跡特徴に類似する軌跡特徴をクラスタリングし、クラスタリングした軌跡特徴の出現頻度に応じてヒストグラムを生成し、生成した前記ヒストグラムに基づいて、熟達した動作の軌跡特徴を特定するための判別学習を行う動作特徴学習部と、
前記動作特徴学習部の判別学習の結果を参照し、熟達した動作であるか否かを判別するための境界を示す判別関数を生成する判別関数生成部とを備えた動作学習装置。 - 前記動作特徴学習部は、前記熟練作業者群のヒストグラムと、前記一般作業者群のヒストグラムとを用いて、前記熟練作業者群と前記一般作業者群との間の分散が最大、且つ各群内の分散が最小となる射影軸を計算し、前記判別関数を生成することを特徴とする請求項1記載の動作学習装置。
- 前記動作特徴学習部は、機械学習による判別器を用いて前記判別学習を行うことを特徴とする請求項1記載の動作学習装置。
- 前記動画像データから、前記熟練作業者および前記一般作業者の撮像された部位を検出する部位検出部を備え、
前記第1の動作特徴抽出部は、前記検出された部位毎に前記軌跡特徴を抽出し、
前記動作特徴学習部は、前記部位検出部で検出された部位毎に前記ヒストグラムを生成して前記判別学習を行い、
前記判別関数生成部は、前記検出された部位毎に前記判別関数を生成することを特徴とする請求項1記載の動作学習装置。 - 前記動作特徴学習部は、スパース正則化項を追加し、前記判別器を用いた前記判別学習を行うことを特徴とする請求項3記載の動作学習装置。
- 評価対象の作業者の作業を撮像した動画像データから、当該評価対象の作業者の動作の軌跡特徴を抽出し、予め決定された基準となる軌跡特徴を用いて、前記抽出した前記評価対象の作業者の軌跡特徴をクラスタリングし、クラスタリングした軌跡特徴の出現頻度に応じてヒストグラムを生成する第2の動作特徴抽出部と、
予め求められた、熟達した動作を判別する判別関数により、前記第2の動作特徴抽出部が生成したヒストグラムから、前記評価対象の作業者の動作が熟達しているか否か判別する技能判別部と、
前記技能判別部の判別結果に基づいて、前記評価対象の作業者の動作が熟達している場合には熟練作業者に対する情報を表示する制御を行い、前記評価対象の作業者の動作が熟達していない場合には一般作業者に対する情報を表示する制御を行う表示制御部とを備えた技能判別装置。 - 熟練作業者と一般作業者とのそれぞれを撮像した動画像データに基づいて、前記熟練作業者および前記一般作業者の動作の第1の軌跡特徴を抽出する第1の動作特徴抽出部と、
前記第1の動作特徴抽出部が抽出した前記第1の軌跡特徴の中から基準となる軌跡特徴を決定し、決定した基準となる軌跡特徴に類似する前記第1の軌跡特徴をクラスタリングし、クラスタリングした前記第1の軌跡特徴の出現頻度に応じてヒストグラムを生成し、当該ヒストグラムに基づいて、熟達した動作の軌跡特徴を特定するための判別学習を行う動作特徴学習部と、
前記動作特徴学習部の判別学習の結果を参照し、熟達した動作であるか否かを判別するための境界を示す判別関数を生成する判別関数生成部と、
評価対象の作業者の作業を撮像した動画像データから、前記評価対象の作業者の動作の第2の軌跡特徴を抽出し、前記動作特徴学習部が決定した前記基準となる軌跡特徴を用いて、前記第2の軌跡特徴をクラスタリングし、クラスタリングした前記第2の軌跡特徴の出現頻度に応じてヒストグラムを生成する第2の動作特徴抽出部と、
前記判別関数生成部が生成した前記判別関数により、前記第2の動作特徴抽出部が生成したヒストグラムから、前記作業中の作業者の動作が熟達しているか否か判別する技能判別部と、
前記技能判別部の判別結果に基づいて、前記作業中の作業者の動作が熟達している場合には前記熟練作業者に対する情報を表示する制御を行い、前記作業中の作業者の動作が熟達していない場合には前記一般作業者に対する情報を表示する制御を行う表示制御部とを備えた技能判別システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/007104 WO2018154709A1 (ja) | 2017-02-24 | 2017-02-24 | 動作学習装置、技能判別装置および技能判別システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018154709A1 true JPWO2018154709A1 (ja) | 2019-06-27 |
JP6570786B2 JP6570786B2 (ja) | 2019-09-04 |
Family
ID=63252523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019500950A Expired - Fee Related JP6570786B2 (ja) | 2017-02-24 | 2017-02-24 | 動作学習装置、技能判別装置および技能判別システム |
Country Status (7)
Country | Link |
---|---|
US (1) | US20190370982A1 (ja) |
JP (1) | JP6570786B2 (ja) |
KR (1) | KR20190099537A (ja) |
CN (1) | CN110291559A (ja) |
DE (1) | DE112017006891T5 (ja) |
TW (1) | TW201832182A (ja) |
WO (1) | WO2018154709A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7106851B2 (ja) * | 2017-12-12 | 2022-07-27 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
JP6912513B2 (ja) * | 2018-10-31 | 2021-08-04 | ファナック株式会社 | 表示システム、機械学習装置、及び表示装置 |
US11119716B2 (en) | 2018-10-31 | 2021-09-14 | Fanuc Corporation | Display system, machine learning device, and display device |
KR102618732B1 (ko) * | 2019-08-27 | 2023-12-27 | 엘지전자 주식회사 | 얼굴 인식 활용 단말기 및 얼굴 인식 활용 방법 |
JP7393720B2 (ja) | 2019-10-29 | 2023-12-07 | オムロン株式会社 | 技能評価装置、技能評価方法及び技能評価プログラム |
CN111046739A (zh) * | 2019-11-14 | 2020-04-21 | 京东数字科技控股有限公司 | 一种操作熟练度识别方法、装置及存储介质 |
KR102466433B1 (ko) * | 2020-09-03 | 2022-11-11 | (주)넥스트랩 | 영상 분석 기반 작업 동작 인식 장치 및 방법 |
JP7249444B1 (ja) * | 2022-02-14 | 2023-03-30 | 日鉄ソリューションズ株式会社 | 情報処理装置、情報処理方法、プログラム、及び情報処理システム |
CN114783611B (zh) * | 2022-06-22 | 2022-08-23 | 新泰市中医医院 | 基于人工智能的神经康复动作检测*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011133984A (ja) * | 2009-12-22 | 2011-07-07 | Panasonic Corp | 動作特徴抽出装置および動作特徴抽出方法 |
JP2012088881A (ja) * | 2010-10-19 | 2012-05-10 | Nippon Hoso Kyokai <Nhk> | 人物動作検出装置およびそのプログラム |
-
2017
- 2017-02-24 DE DE112017006891.6T patent/DE112017006891T5/de not_active Withdrawn
- 2017-02-24 US US16/475,230 patent/US20190370982A1/en not_active Abandoned
- 2017-02-24 KR KR1020197023884A patent/KR20190099537A/ko active IP Right Grant
- 2017-02-24 CN CN201780086469.3A patent/CN110291559A/zh not_active Withdrawn
- 2017-02-24 WO PCT/JP2017/007104 patent/WO2018154709A1/ja active Application Filing
- 2017-02-24 JP JP2019500950A patent/JP6570786B2/ja not_active Expired - Fee Related
- 2017-04-26 TW TW106113889A patent/TW201832182A/zh unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011133984A (ja) * | 2009-12-22 | 2011-07-07 | Panasonic Corp | 動作特徴抽出装置および動作特徴抽出方法 |
JP2012088881A (ja) * | 2010-10-19 | 2012-05-10 | Nippon Hoso Kyokai <Nhk> | 人物動作検出装置およびそのプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6570786B2 (ja) | 2019-09-04 |
TW201832182A (zh) | 2018-09-01 |
KR20190099537A (ko) | 2019-08-27 |
WO2018154709A1 (ja) | 2018-08-30 |
CN110291559A (zh) | 2019-09-27 |
DE112017006891T5 (de) | 2019-10-10 |
US20190370982A1 (en) | 2019-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6570786B2 (ja) | 動作学習装置、技能判別装置および技能判別システム | |
US9098740B2 (en) | Apparatus, method, and medium detecting object pose | |
US9875427B2 (en) | Method for object localization and pose estimation for an object of interest | |
JP4860749B2 (ja) | 画像中の人物における位置決め指示との適合性を判定する機器、システム、及び方法 | |
JP6007682B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP5417494B2 (ja) | 画像処理方法およびシステム | |
JP2016099982A (ja) | 行動認識装置、行動学習装置、方法、及びプログラム | |
JP2004157850A (ja) | 運動検出装置 | |
TWI640931B (zh) | 影像目標追蹤方法及裝置 | |
JP2010176380A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP6487642B2 (ja) | 手指形状の検出方法、そのプログラム、そのプログラムの記憶媒体、及び、手指の形状を検出するシステム。 | |
JP2014093023A (ja) | 物体検出装置、物体検出方法及びプログラム | |
JP6071002B2 (ja) | 信頼度取得装置、信頼度取得方法および信頼度取得プログラム | |
JP2017010224A (ja) | 物体追尾装置、物体追尾方法及びプログラム | |
JP5174492B2 (ja) | 画像認識装置、画像認識方法、画像認識プログラム、ジェスチャ動作認識システム、ジェスチャ動作認識方法、及びジェスチャ動作認識プログラム | |
KR20120089948A (ko) | Mhi의 형태 정보를 이용한 실시간 동작 인식시스템 및 실시간 동작 인식 방법 | |
CN110991292A (zh) | 动作识别比对方法、***、计算机存储介质和电子装置 | |
US20220095959A1 (en) | Feigned Injury Detection Systems And Methods | |
JP6384167B2 (ja) | 移動体追跡装置及び移動体追跡方法、並びにコンピュータ・プログラム | |
CN117593792A (zh) | 一种基于视频帧的异常姿态检测方法和装置 | |
KR101290517B1 (ko) | 촬영장치 및 이의 대상 추적방법 | |
JP5482412B2 (ja) | ロボット、位置推定方法及びプログラム | |
JP5791361B2 (ja) | パターン識別装置、パターン識別方法およびプログラム | |
JP6393495B2 (ja) | 画像処理装置および物体認識方法 | |
JP2011232845A (ja) | 特徴点抽出装置および方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190404 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190404 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190404 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190528 |
|
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: 20190709 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190806 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6570786 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |