next up previous
次へ: 形の計測(複素自己回帰モデル) 上へ: 自己回帰モデル 戻る: 自己回帰モデル

ジェスチャー認識のためのPARCOR画像

栗田等[39,40,41]は、動画 像から動きの情報を抽出するために自己回帰モデルを利用する方法を提案し、 それをジェスチャー認識に利用した。

画像は、画素値の集合 $\{I_{(x,y)}\vert\leq x<W,0\leq y<H\}$として表現する ことができる。動画像は画像の時系列であるが、これは、画素値の時系列の集 合 $\{I_{(x,y)}(t)\vert\leq x<W,0\leq y<H,0\leq t<L\}$と見倣すことができ る。そこで、各画素値の時系列に対して自己回帰モデルを当てはめ、それから 計算されるPARCOR係数を画像として再構成すると、それは動画像から動きに関 する情報を抽出した画像となる。この画像をPARCOR画像と呼び、その画像から 高次局所自己相関特徴を抽出し、ジェスチャー認識のための特徴を構成した。 背景などの時間的変化のない部分では、PARCOR係数は $0$ となるため、背景 に影響を受けない特徴が得られる。また、自己相関関数を過去の推定値 $r(l)^{(t)}$ から、忘却率 $0 < \alpha \le 1$

\begin{displaymath}
r(l)^{(t+1)} \leftarrow (1 - \alpha) r(l)^{(t)} + \alpha x(t+1) x(t+1-l).
\end{displaymath} (28)

のように再帰的に更新し、PARCOR係数の計算のための高速アルゴリズムを利用 することにより、実時間でのPARCOR画像の推定が可能となる。

5にジェスチャー動画像と1次のPARCOR画像の例をに示す。

図 5: ジェスチャー動画像と1次のPARCOR画像.
\begin{figure}\begin{center}
\epsfile{file=stop103r.3.ps,width=18mm}
\epsfile{fi...
...{file=stop103.p1.ps,width=25mm} \\
(b) 1次のPARCOR画像
\end{center}\end{figure}



平成14年7月19日