歩行者の移動支援を目的とした道路状況の リアルタイ

《歩行者の移動支援を目的とした道路状況の リアルタイ》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、物体識別のためのAdaboostを用いた入力特徴の評価情報工学科藤吉研究室EP02132土屋成光背景物体（車両）識別屋外監視システム歩行者ITS高精度な物体識別識別器の構築入力特徴の選定背景識別手法NeuralNetwork(ANN)Adaboost.M2SVM入力特徴クラスの分離表現できる　　　識別精度向上表現できない識別精度は向上せず目的特徴量の貢献度を求めるAdaboost重み付き多数決による識別器→重みを評価に用いる→入力特徴を選定する指標識別タスク屋外環境下で撮影した動画像移動体をフレーム間差分により検出4ク

2、ラスに識別自動車(VH)人(SH)人複数(HG)自転車(BK)物体識別に用いる特徴量形状情報に基づいた特徴テクスチャ情報に基づいた特徴時間変化情報に基づいた特徴形状情報に基づいた特徴量正規分布の縦横比、傾き（AS）輪郭線の複雑度（CS）テクスチャ情報に基づいた特徴量各方向エッジ垂直エッジ（V）水平エッジ（H)右上がりエッジ（R-U）左上がりエッジ（L-U）垂直エッジ水平エッジ右上がりエッジ左上がりエッジ時間変化情報に基づいた特徴オプティカルフローの分散（OF）人人複数自転車自動車分散（非剛体）収束（剛体）Adaboos

3、t低精度の識別関数の集合から高精度な識別関数を導く手法学習により得られた識別関数入力データ各識別関数の信頼度最終的な識別関数の総数によって重みが異なる一意に扱えない正規化信頼度の識別結果をどの程度反映するかの識別性能を元に算出Adaboostによる各特徴の貢献度評価弱識別器特徴量の閾値判別最も識別性能の高い特徴量貢献度特徴量の貢献度：識別器で選択された特徴量Adaboostによる各特徴の貢献度評価→客観的な特徴量の評価全信頼度の何割がその特徴量を参照しているか実験概要貢献度と誤識別率の比較当該特徴を除いて学習した際のA

4、NNの誤識別率各クラス200枚の画像当該特徴が識別に貢献している→誤識別率　大実験結果貢献度[%]ASCSVHR-UL-UOF誤識別率[%]貢献度[%]自動車(VH)誤識別率[%]実験結果R=0.50R=0.74R=0.83R=0.85自動車(VH)人(SH)人複数(HG)二輪車(BK)ASCSVHR-UL-UOFASCSVHR-UL-UOFASCSVHR-UL-UOFASCSVHR-UL-UOFまとめAdaboostを用いた特徴量評価法を提案重みを用いて貢献度を表現識別性能との相関性を確認→入力特徴選定の指針となる今

5、後の予定各特徴量の相関関係の評価法の検討終わり正規分布の当てはめ方法について物体ピクセルの２次元(x,y座標)の分布に対して，正規分布を当てはめる→当てはめには，EMアルゴリズムを使用AdaBoostのアルゴリズムInput：,TrainingdatasetInitialize：DoforOutput:Finalhypothesiswithweights識別器識別率92.68%識別率97.16%識別率97.56%識別率98.37%識別率100.0%Adaboostによる識別例逐次的に識別境界が変化する識別率84.35%