Various systems have been proposed to support biological image analysis, with the intent of decreasing false annotations and reducing the heavy burden on biologists. These systems generally comprise a feature extraction method and a classification method. Task-oriented methods for feature extraction leverage characteristic images for each problem, and they are very effective at improving the classification accuracy. However, it is difficult to utilize such feature extraction methods for versatile task in practice, because few biologists specialize in Computer Vision and/or Pattern Recognition to design the task-oriented methods. Thus, in order to improve the usability of these supporting systems, it will be useful to develop a method that can automatically transform the image features of general propose into the effective form toward the task of their interest. In this paper, we propose a semi-supervised feature transformation method, which is formulated as a natural coupling of principal component analysis (PCA) and linear discriminant analysis (LDA) in the framework of graph-embedding. Compared with other feature transformation methods, our method showed favorable classification performance in biological image analysis.

本論文では,Gaussian Process Regression(GPR)に基づく異常予兆検出用のモニタリング法を提案する.異常予兆検出はプラントや,生体,乗り物等の健全性モニタリングのために必要であり,幅広い用途がある.異常予兆検出は,正常事例の蓄積をしながら,蓄積された事例に基づいて異常予兆の検出を行う問題であり,オンライン処理が前提となる.事例に基づく異常予兆の検出は,非線型回帰計算であるGPRによってセンサ値を推定し,推定値と実測値の乖離を調べることで実現できる.しかし,GPRでは蓄積された事例のペアを引数とするカーネル関数から成るグラム行列の逆行列を求めるため,事例数の3乗のオーダの計算が必要になる.したがって,オンラインで蓄積され続ける全事例を用いたGPRの計算は,時間とともに急激に減速するため,実時間性が要求される問題には適用できない.本論文では,まず,この問題を解決するために,入力に応じて回帰計算に用いる事例集合(Active Set)を動的に絞り込むことによって,精度を保ちながら回帰計算の高速化を実現する方法を提案する.次に,瞬時的な異常から長時間の趨勢の異常までをモニタリングするために,様々な時間解像度での異常度を表すSpectro Anomaly Gramを提案する.これにより,瞬時的な異常から大域的な異常までがモニタリングできるようになる.

本論文では,産業用インクジェットプリンター(IIJP:Industrial Ilnk Jet Printer)の印字検査用OCR(Optical Character Reader)に適した高速かつ高精度な文字切出し法を提案する.筆者らは任意の識別器の振舞いを線形回帰木によって模倣し,これを識別器として使用することで,高速なOCRを構築し,このOCRを用いて,トップダウン的に文字認識と切出しを実行する手法CCS(Classification based Character Segmentation)を提案した.しかしながら,CCSでは印刷された文字が水平かつ等間隔に配置されていることを前提としており,個々の文字の大きさや二次元的な位置の変動には対応できない.この問題を解決するために,局所特徴を用いてボトムアップ的に文字領域候補をあらかじめ抽出しておき,これらの各領域に対する文字認識の評価値の和を最大化する組合せ最適化計算を行うMCCS(Modified CCS)を提案する.局所特徴には,本研究で開発したFast-Hessian-Affine regionsを使用する.実験では,まず様々な局所特徴を比較することでFast-Hessian-Affine-regionsが文字切出しに適した特徴であることを示し,次に多様な二次元的変動をもった印字に対してMCCSを適用した結果から,提案手法の有効性を明らかにする.

本論文では,劣化画像を対象とした検索・照合の問題に適した画像間の相違性尺度を提案する.画像はその観測過程で,陰影の変化,遮へい,ぼけやぶれ,解像度低下など劣化の影響をしばしば受ける.これらの劣化に左右されにくい検索・照合を実現するために,これまでは劣化の影響を受けにくい特徴を使用することが研究されてきた.しかし,全ての劣化に対する不変特徴は存在せず,使用する特徴だけで全ての劣化の影響を緩和あるいは除去することはできない.本研究では,特徴ではなく相違性尺度を変更することによって,劣化の影響を受けにくい画像間相違度を提案する.本論文では,「画像を直交展開した際の項の欠落または混入」によって劣化をモデル化する.このモデルのもとでは,欠落の起きていない部分の展開係数が一致すれば,劣化画像は比較した画像に近いといえる.この考えに基づき,まず,任意の直交展開に対して2枚の画像の展開係数の一致数ができるだけ多くなるように劣化画像の輝度値を調整する.次に,一致する要素が多いベクトル対に対してより小さい評価値が与えられる尺度を,上記の輝度調整された画像の展開係数ベクトルの組に適用する.このようにして得られた画像間相違度を用いた実験を通じて,提案する相違度により照合精度が,従来法を用いる場合よりも大幅に向上することを示す.

マルチメディア情報検索に関しては,これまでにも多くの研究がなされてきたが,特に近年では様々な変化に対して不変な画像の局所特徴量の登場を背景として,画像をクエリとして類似した画像を検索する技術が進歩している.本稿では,情報爆発時代における類似画像検索の基盤技術として,特徴ではなく,それらの間の「類似性尺度」をいかに与えればよいかという問題に焦点を当てる.特に劣化画像をキーとした類似画像検索タスクを通じて,よく用いられる正規化相互相関などよりも極めて優れた検索結果をもたらす類似性尺度に関する最近の研究について紹介し議論する.

一般に高精度な識別器ほど低速であることが知られている.そこで本論文では任意の識別器を線形回帰木によって識別速度を高速化する手法,"Classifier Molding"を提案する.Moldingには高精度な識別器と大量の学習データが必要となる.本論文では,高精度であるが低速である混合類似度法(CSM:Compound Similarity Method)を高速化の対象とし,産業用インクジェットプリンタ(IIJP)による印字の文字認識問題に適用した.まず,CSMの学習データは,IIJPの印字特性を模した摂動を基準パターンに与えることで自動生成し,次に,学習済みのCSMの入出力関係を大量に収集した.この入出力関係を学習データとして線形回帰木を構築する.線形計算と二分探索だけで構成される回帰木における演算は非常に高速であるため,構築した線形回帰木はCSMの振舞いを模倣した高速な識別器とみなすことができる.また,高速性を利用することで,識別に基づいた文字切出し手法CCS(Classification based Character Segmentation)を開発した.CCSは,組合せ最適化の枠組みを採用することによって画像中を効率良く探索し,探索後の合計類似度を最大化できる点列を文字位置として抽出する手法である.実験では,CSMの識別精度を低下させることなく1500倍の高速化に成功したことと,画素の連結成分に依存していた従来手法によるセグメンテーションエラーがCCSによって全て回避できることを示し,提案手法の有効性を明らかにした.

This paper presents a robust and real-time object tracking method in image sequences. Existing visual object detection and tracking algorithms usually use apparent features of target object as a model. Those algorithms detects objects by thresholding the similarity or the dissimilarity measure with the model. They sometimes fail to detect objects because of inadequate threshold. In this paper, we propose a method for detection and tracking using positive (object) and negative (non-object) models. This method does not require any threshold, because the object region can be detected just by comparing the similarities or dissimilarities with positive and negative models. If we employ distance as a dissimilarity measure, the problem can be formalized as a nearest neighbor (NN) classification problem. We first show an example of NN classification based color object detection, which detects multiple objects in real-time. Next, we extend the method to tracking. For this extension, we have to measure the distinctiveness of the object, because the detected object by the NN classification sometimes disappears. By finding the high distinctiveness image region around the tracked region in the previous image frame, we can keep tracking even if the object cannot be detected by NN classification. We implemented this method on an active stereo camera system and confirmed that video-rate detection and tracking as well as 3D position measurement can he realized just by using standard PC.

In the case that the sizes of faces are not available, all possible sizes of faces have to be assumed and a face detector has to classify many (often ten or more) sub-image regions everywhere in an image. This makes the face detection slow and the high false positive rate. This paper explores the usage of depth information for accelerating the face detection and reducing the false positive rate at the same time. In detail, we use the depth information to determine the size of the sub-image region that needs to be classified for each pixel. This will reduce the number of sub-image regions that need to be classified from many to one for one position (pixel) in an image. Since most unnecessary classifications are effectively avoided, both the processing time for face detection and the possibility of false positive can be reduced greatly. We also propose a fast algorithm for estimating the depth information that is used to determine the size of sub-image regions to be classified.

本論文では,K-means trackerにて,より安定かつ高速に対象を追跡するために,背景に応じた非ターゲットクラスタ中心の数とそれらの配置を適応的に求める方法について述べる.提案手法では,K-means trackerにより求められたサーチエリア楕円の輪郭上の画素を走査し,ターゲット,非ターゲットクラスタ中心までの距離をもとに,追跡に都合のよい非ターゲットクラスタ中心の個数,配置を決定する.これにより,従来のK-means trackerの非ターゲットクラスタ中心の配置方法における問題である,似た特徴をもつ画素の多重選択問題と,ターゲットに近い特徴をもつ背景画素の選択もれの問題を同時に解決できる.従来のK-means trackerとの比較実験により,本手法は追跡を安定かつ,効率的に処理できることを確認した.

本論文では,独立して動作する2台の能動カメラを用い,高速に運動している物体(150度/秒程度)を追跡し,対象の鮮明な画像を撮影できる高速追従型2眼能動カメラシステムを提案する.本論文では,鮮明な画像を,適切な大きさで撮影された,ぶれやピントずれがない対象の画像と定義する.能動カメラは,FV-PTZ (Fixed Viewpoint Pan-Tilt-Zoom)カメラを使用し,画像内における対象追跡はK-means trackerアルゴリズムを用いる.提案システムでは,追跡対象を注視するために,「人間の両目」のように2台の能動カメラを協調させ,視線を追跡対象上の1点で交わらせるように能動カメラを制御する.これを実現するために,K-means trackerに信頼度の概念を導入し,相対的な信頼度を用いた2台の能動カメラの制御方法を提案する.この信頼度とエピポーラ拘束を利用することにより,それぞれの能動カメラの追従性能を保ったまま,矛盾のないカメラの首振り制御を行い,また,ズーム・フォーカスも同時に制御することにより,より鮮明な対象の画像の撮影し続ける能動追跡システムを実現する.

This paper presents an RK-means clustering algorithm which is developed for reliable data grouping by introducing a new reliability evaluation to the K-means clustering algorithm. The conventional K-means clustering algorithm has two shortfalls: 1) the clustering result will become unreliable if the assumed number of the clusters is incorrect; 2) during the update of a cluster center, all the data points belong to that cluster are used equally without considering how distant they are to the cluster center. In this paper, we introduce a new reliability evaluation to K-means clustering algorithm by considering the triangular relationship among each data point and its two nearest cluster centers. We applied the proposed algorithm to track objects in video sequence and confirmed its effectiveness and advantages.

This paper presents a general constructive algorithm to recover external camera parameters from a set of pairwise partial camera calibrations embedded in the structure named Camera Dependency Graph (CDG) [1] that encompasses both the feasibility and the reliability of each calibration. An edge in CDG and its weight account for the existence and for the quality of the essential matrix between the two views connected by it, respectively. Any triplet of cameras sharing visible points forms a triangle in a CDG, which permits to compute the relative scale between any two of its edges. The algorithm first selects from CDG the set of feasible paths being the shortest ones in terms of reliability that also are connected by a sequence of triangles. The global external parameters of the arrangement of cameras are computed in a process in two steps that aggregates partial calibrations, represented by triangles, along the paths connecting pairs of views taking into account the relative scales between triangles until recovering the parameters between the extremes of each path. Finally, the scales of the whole set of paths are referred to one canonical value corresponding to the edge in the CDG working as the global scale. Initial experimental results on simulated data demonstrate the usefulness and accuracy of such scheme that can be applied either alone or as the initial approximation for other calibration methods.

Viola et al. have introduced a fast object detection scheme based on a boosted cascade of haar-like features. In this paper we introduce a novel ternary feature that enriches the diversity and the flexibility significantly over haar-like features. We also introduce a new genetic algorithm (GA) based method for training effective ternary features through iterations of feature generation and selection. Experimental results showed that the rejection rate can reach at 98.5% with only 16 features at the first layer of the constructed cascade detector This indicates the high performance of our method for generating effective features. We confirmed that the training time can be significantly shortened compared with Violas's method while the performance of the resulted cascade detector is comparable to the previous methods.

This paper brings out a robust pixel-wise object tracking algorithm which is based on the K-means clustering algorithm. In order to achieve the robust object tracking under complex condition (such as wired objects, cluttered background), a new reliability-based K-means clustering algorithm is applied to remove the noise background pixel (which is neigher similar to the target nor the background samples) from the target object. According to the triangular relationship among an unknown pixle and its two nearest cluster centers (target and background), the normal pixel (target or background one) will be assigned with high reliability value and correctly classified, while noise pixels will be given low reliability value and ignored. A radial sampling method is also brought out for improving both the processing speed and the robustness of this algorithm. According to the proposed algorithm, we have set up a real video-rate object tracking system. Through the extensive experiments, the effectiveness and advantages of this reliability-based K-means tracking algorithm are confirmed.

This paper brings out a robust pixel-wise object tracking algorithm which is based on the K-means clustering algorithm. In order to achieve the robust object tracking under complex condition (such as wired objects, cluttered background), a new reliability-based K-means clustering algorithm is applied to remove the noise background pixel (which is neigher similar to the target nor the background samples) from the target object. According to the triangular relationship among an unknown pixle and its two nearest cluster centers (target and background), the normal pixel (target or background one) will be assigned with high reliability value and correctly classified, while noise pixels will be given low reliability value and ignored. A radial sampling method is also brought out for improving both the processing speed and the robustness of this algorithm. According to the proposed algorithm, we have set up a real video-rate object tracking system. Through the extensive experiments, the effectiveness and advantages of this reliability-based K-means tracking algorithm are confirmed.

Viola et al. have introduced a fast object detection scheme based on a boosted cascade of haar-like features. In this paper we introduce a novel ternary feature that enriches the diversity and the flexibility significantly over haar-like features. We also introduce a new genetic algorithm based method for training effective ternary features. Experimental results showed that the rejection rate can reach at 98.5% with only 16 features at the first layer of the cascade detector We confirmed that the training time can be significantly shortened while the performance of the resulted cascade detector is comparable to the previous methods.

The Particle filter estimates a probability, distribution of target object's state by sampled hypotheses and their weights. This method is more expressive than existing method such as Kalman filtering, because the object state is represented as a multi-modal distribution. However the method can't be directly applied to temporally variable appearance object tracking, for example, a firefly or a flickering neon-sign. For solving this problem, we propose a particle filter for a variable appearance object, which estimates a unique state parameter independent of target's position. Our method decomposes the state space into disjoint parameter spaces, i.e., object position and posture space and Appearance parameter space. In the appearance parameter space, the likelihood of each hypothesis is evaluated at the position parameters generated in the other space, and the best explain parameter is determined. Based on this parameter likelihood in the position and posture space is evaluated. By interacting the parameter estimations in different spaces, we can successfully track blinking fire-fly in the darkness.

Hua et al. have proposed a stable and efficient tracking algorithm called "K-means tracker" [2, 3, 5]. This paper describes an adaptive non-target cluster center selection method that replaces the one used in K-means tracker where non-target cluster center are selected at fixed interval. Non-target cluster centers are selected from the ellipse that defines the area for searching the target object in K-means tracker by checking whether they have significant effects for the pixel classification and are dissimilar to any of the already-selected nontarget cluster centers. This ensures that all important non-target cluster centers will be picked up while avoiding selecting redundant non-target clusters. Through comparative experiments of object tracking, we confirmed that both the robustness and the processing speed could be improved with our method.

In this paper, we present a general object tracking method based on a newly proposed pixel-wise clustering algorithm. To track an object in a cluttered environment is a challenging issue because a target object may be in concave shape or have apertures (e.g. a hand or a comb). In those cases, it is difficult to separate the target from the background completely by simply modifying the shape of the search area. Our algorithm solves the problem by 1) describing the target object by a set of pixels; 2) using a K-means based algorithm to detect all target pixels. To realize stable and reliable detection of target pixels, we firstly use a 5D feature vector to describe both the color ("Y, U, V") and the position ("x, y") of each pixel uniformly. This enables the simultaneous adaptation to both the color and geometric features during tracking. Secondly, we use a variable ellipse model to describe the shape of the search area and to model the surrounding background. This guarantees the stable object tracking under various geometric transformations. The robust tracking is realized by classifying the pixels within the search area into "target" and "background" groups with a K-means clustering based algorithm that uses the "positive" and "negative" samples. We also propose a method that can detect the tracking failure and recover from it during tracking by making use of both the "positive" and "negative" samples. This feature makes our method become a more reliable tracking algorithm because it can discover the target once again when the target has become lost. Through the extensive experiments under various environments and conditions, the effectiveness and efficiency of the proposed algorithm is confirmed.

This paper presents a new method for tracking the moving target by controlling a pan-tilt camera. Our method can capture motion-blur-free images of a moving target, because this method automatically synchronizes the target motion with the camera motion. We employed Fixed Viewpoint Pan Tilt Camera (FV-PTZ Camera) as an active camera, which does not produce motion parallax by the camera rotation. For the target tracking on image space, we use K-means Tracker algorithm. As for the pan-tilt control, we employ the PID control scheme. This is because if by assigning the P component as the angular velocity of the object, the I and D components can be corresponded to the angular position and the angular acceleration, respectively. This means the PID control is suitable for controlling the angular speed and position of the pan-tilt unit simultaneously. PID based pan-tilt control is effective for the motion synchronization between the target and camera.

This paper presents a new method for simultaneous object tracking and recognition using object image database. This application requires two searches: search for object appearance stored in the database and that for pose parameters (position, scale, orientation, and so on) of the tracking object in each image frame. For simplifying this problem, we propose a new method, pose parameter embedding (PPE) that transforms the original problem to an appearance search problem. The nearest neighbor (NN) appearance search in this problem has a special property that gradually changing queries are given. For this problem, graph based NN search is suitable, because the preceding search result can be used as the starting point of the next search. Delaunay graph can be used for this search, however, both the graph construction cost and the degree (number of mean edges connected to a vertex) drastically increase in high-dimensional space. Instead, we propose nearest first traversing graph (NFTG) for avoiding these problems. Based on these two techniques, we successfully realized video-rate tracking and recognition.

In this paper, we brought out a noise-insensitive pixel-wise object tracking algorithm whose kernel is a new reliable data grouping algorithm that introduces the reliability evaluation into the existing K-means clustering (called as RK-means clustering). The RK-means clustering concentrates on two problems of the existing K-mean clustering algorithm: 1) the unreliable clustering result when the noise data exists; 2) the bad/wrong clustering result caused by the incorrectly assumed number of clusters. The first problem is solved by evaluating the reliability of classifying an unknown data vector according to the triangular relationship among it and its two nearest cluster centers. Noise data will be ignored by being assigned low reliability. The second problem is solved by introducing a new group merging method that can delete pairs of "too near" data groups by checking their variance and average reliability, and then combining them together. We developed a video-rate object tracking system (called as RK-means tracker) with the proposed algorithm. The extensive experiments of tracking various objects in cluttered environments confirmed its effectiveness and advantages.

This paper presents a novel method for human head tracking using multiple cameras. Most existing methods estimate 3D target position according to 2D tracking results at different viewpoints. This framework can be easily affected by the inconsistent tracking results on 2D images, which leads 3D tracking failure. For solving this problem, an extension of CONDENSATION Using multiple images has been proposed. The method generates many hypotheses on a target (human head) in 3D space and estimates the likelihood of each hypothesis by integrating viewpoint dependent likelihood values of 2D hypotheses projected onto image planes. In theory, viewpoint dependent likelihood values should be integrated by multiplication, however, it is easily affected by occlusions. Thus we investigate this problem and propose a novel likelihood integration method in this paper and implemented a prototype system consisting of six sets of a PC and a camera. We confirmed the robustness against occlusions.

In this paper, we propose a high-performance object tracking system for obtaining high-quality images of a high-speed moving object at video rate by controlling a pair of active cameras that consists of two cameras with zoom lens mounted on two pan-tilt units. In this paper, "high-quality image" implies that the object image is in focus and not blurred, the size of the object in the image remains unchanged, and the object is located at the image center. To achieve our goal, we use the K-means tracker algorithm for tracking objects in an image sequence captured by the active cameras. We use the results of the K-means tracker to control the angular position and speed of each pan-tilt-zoom unit by employing the PID control scheme. By using two cameras, the binocular stereo vision algorithm can be used to obtain the 3D position and velocity of the object. These results are used in order to adjust the focus and zoom. Moreover, our system allows the two cameras to gaze at a single point in 3D space. However, this system may become unstable when the time response deteriorates by excessively interfering in a mutual control loop or by strict restriction of the camera action. In order to solve these problems, we introduce the concept of reliability into the K-means tracker, and propose a method for controlling the active cameras by using relative reliability. We have developed a prototype system and confirmed through extensive experiments that we can obtain focused and motion-blur-free images of a high-speed moving object at video rate.

This paper describes a sophisticated method to track iris contour and to estimate eye gaze for blinking eyes with a monocular camera. A 3D eye-model that consists of eyeballs, iris contours and eyelids is designed that describes the geometrical properties and the movements of eyes. Both the iris contours and the eyelid contours are tracked by using this eye-model and a particle filter. This algorithm is able to detect "pure" iris contours because it can distinguish iris contours from eyelids contours. The eye gaze is described by the movement parameters of the 3D eye model, which are estimated by the particle filter during tracking. Other distinctive features of this algorithm are: 1) it does not require any special light sources (e.g. an infrared illuminator) and 2) it can operate at video rate. Through extensive experiments on real video sequences we confirmed the robustness and the effectiveness of our method.

This paper presents a novel method for human head tracking using multiple cameras. Most existing methods estimate 3D target position according to 2D tracking results at different viewpoints. This framework can be easily affected by the inconsistent tracking results on 2D images, which leads 3D tracking failure. For solving this problem, an extension of CONDENSATION using multiple images has been proposed. The method generates many hypotheses on a target (human head) in 3D space and estimates the likelihood of each hypothesis by integrating viewpoint dependent likelihood values of 2D hypotheses projected onto image planes. In theory, viewpoint dependent likelihood values should be integrated by multiplication, however, it is easily affected by occlusions. Thus we investigate this problem and propose a novel likelihood integration method in this paper and implemented a prototype system consisting of six sets of a PC and a camera. We confirmed the robustness against occlusions.

This paper presents object detection and tracking algorithm which can adapt to object color shift. In this algorithm, we train and build multi target models using color under different illumination conditions. Each model called as Color Distinctiveness look up Tables or CDT The color distinctiveness is the value integrating 1) similarity with target colors and 2) dissimilarity with non-target colors, which represents how distinctively the color can be classified into target pixel. Color distinctiveness can be used for pixel-wise target detection, because it takes 0.5 for colors on decision boundary of nearest neighbor classifier in color space. Also, it can be used for target tracking by continuously finding the most distinctive region. By selecting the most suitable CDT for camera direction, lighting condition, and camera parameters. the system can adapt target and background color change. We implemented this algorithm for a Pan-tilt stereo camera system. Through experiments using this system, we confirmed that this algorithm is robust against color shift caused by illumination change and it can measure the target 3D position at video rate.

Background subtraction is widely used as an effective method for detecting moving objects in a video image. However, background subtraction requires a prerequisite in that image variation cannot be observed, and the range of application is limited. Proposed in this research paper is a method for detecting moving objects by using background subtraction that can be applied to cases in which the image has varied due to varying illumination. This method is based on two object detection methods that are based on different lines of thinking. One method compares the background image and the observed image using invariant features of illumination. The other method estimates the illumination conditions of the observed image and normalizes the brightness before carrying out background subtraction. These two methods are complementary, and highly precise detection results can be obtained by ultimately integrating the detection results of both methods. © 2006 Wiley Periodicals, Inc.

In this paper, we present a clustering-based tracking algorithm for tracking people (e.g. hand, head, eyeball, body). A human body often appears as a concave object or an object with apertures. In this case, many background areas are mixed into the tracking target which are difficult to be removed by modifying the shape of the search area during tracking. This algorithm realizes the robust tracking for such objects by classifying the pixels in the search area into "target" and "non-target" with K-means clustering algorithm that uses both the "positive" and "negative" samples. The contributions of this research are: 1) Using a 5 - D feature vector to describe both the geometric feature "(x,y)" and color feature "(Y,U,V)" of an object (or a pixel) uniformly. This description ensures our method to follow both the position and color changes simultaneously during tracking; 2) Using a variable ellipse model (a) to describe the shape of a non-rigid object (e.g. hand) approximately, (b) to restrict the search area, and (c) to model the surrounding non-target background. This guarantees the stable tracking of objects with various geometric transformations. Through extensive experiments in various environments and conditions, the effectiveness and the efficiency of the proposed algorithm is confirmed.

In this paper, we propose a high performance object tracking system for obtaining high quality images of a high-speed moving object at video rate by controlling a pair of active cameras mounted on two fixed view point pan-tilt-zoom units. In this paper, the 'High quality object image' means that the image of the object is in focus and not blurred, the S/N ratio is high enough, the size of the object in the image is kept unchanged, and the position the object appearing at the image center. To achieve our goal, we use K-means tracker algorithm for tracking object in image sequence which taken by the active cameras. We use the result of the K-means tracker to control the angular position and speed of each pan-tilt-zoom unit by employing PID control scheme. By using two cameras, binocular stereo vision algorithm can be used to obtain 3D position and velocity of the object. These results are used for adjust the focus and the zoom. Moreover, our system let two cameras fix its eyes on one point in 3D space. However, this system may be unstable, when time response loses by interfering in a mutual control loop too much, or by hard restriction of cameras action. In order to solve these problems, we introduced a concept of reliability into K-means tracker, and propose a method for controlling active cameras by using relative reliability. We produce the prototype system. Though extensive experiments we confirmed that we can obtain in focus and motion- blur-free images of a high-speed moving object at video rate.

In this paper we present a clustering-based tracking algorithm for non-rigid object. Non-rigid object tracking is a challenging task because the target often appears as a concave shape or an object with apertures. In such cases, many background areas will be mixed into the tracking target, which are difficult to be removed by modifying the shape of the search area. Our algorithm realizes robust tracking for such objects by classifying the pixels in the search area into "target" and "background" with K-means clustering algorithm that uses both the "positive" and "negative" samples. The contributions of this research are: 1) Using a 5D feature vector to describe both the geometric feature "(x, y)" and color feature "(Y, U, V)" of an object (or a pixel) uniformly. This description enables the simultaneous adaptation of both the geometric and color variance during tracking; 2) Using a variable ellipse model (a) to describe the search area; (b) to model the surrounding background. This guarantees the stable tracking of objects with various geometric transformations. Through extensive experiments in various environments and conditions, the effectiveness and the efficiency of the proposed algorithm is confirmed.

We have proposed a K-means clustering based target tracking method, compared with the template matching, which can work robustly <i>when tracking an object with hole through which the background can be seen</i> (e.g., <i>mosquito coil</i>) (<i>hereafter we call this problem as the</i> background interfusion<i>or the</i> interfused background). This paper presents a new method for solving the drawbacks of the previous method, i.e., low speed, instability caused by the change of shape and size. Our new tracking model consists of a single target center, and a variable ellipse model for representing non-target pixels. The contributions of our new method are: 1) The original K-means clustering is replaced by a 2_&infin;-means clustering, and the non-target cluster center is adaptively picked up from the pixels on the ellipse. This modification reduces the number of distance computation and improves the stability of the target detection as well. 2) The ellipse parameters are adaptively adjusted according to the target detection result. This adaptation improves the robustness against the scale and shape changes of the target. Through the various experiments, we confirmed that our new method improves speed and robustness of our original method.

In this paper, we present a clustering-based tracking algorithm for tracking people (e.g. hand, head, eyeball, body, and lips). It is always a challenging task to track people under complex environment, because such target often appears as a concave object or having apertures. In this case, many background areas are mixed into the tracking area which are difficult to be removed by modifying the shape of the search area during tracking. Our method becomes a robust tracking algorithm by applying the following four key ideas simultaneously: 1) Using a 5D feature vector to describe both the geometric feature "(x,y)" and color feature "(Y,U,V)" of each pixel uniformly. This description ensures our method to follow both the position and color changes simultaneously during tracking
2) This algorithm realizes the robust tracking for objects with apertures by classifying the pixels, within the search area, into "target" and "background" with K-means clustering algorithm that uses both the "positive" and "negative" samples. 3) Using a variable ellipse model (a) to describe the shape of a nonrigid object (e.g. hand) approximately, (b) to restrict the search area, and (c) to model the surrounding non-target background. This guarantees the stable tracking of objects with various geometric transformations. 4) With both the "positive" and "negative" samples, our algorithm achieves the automatic self tracking failure detection and recovery. This ability makes our method distinctively more robust than the conventional tracking algorithms. Through extensive experiments in various environments and conditions, the effectiveness and the efficiency of the proposed algorithm is confirmed. © 2006 ACADEMY PUBLISHER.

This paper describes a sophisticated method to estimate visual direction using iris contours. This method requires only one monocular image taken by a camera with unknown focal length. In order to estimate the visual direction, we assume the visual directions of both eyes are parallel and iris boundaries are circles in 3D space. In this case, the two planes where the iris boundaries reside are also parallel. We estimate the normal vector of the two planes from the iris contours extracted from an input image by using an extended "two-circle" algorithm. Unlike most existing gaze estimation algorithms that require information about eye corners and heuristic knowledge about 3D structure of the eye in addition to the iris Contours, our method uses two iris contours only. Another contribution of our method is the ability of estimating the focal length of the camera. It allows one to use a zoom lens to take images and the focal length can be adjusted at any time. The extensive experiments over simulated images and real images demonstrate the robustness and the effectiveness of our method.

This paper presents a novel learning method for nonlinear mapping between arbitrary dimensional spaces. Unlike artificial neural nets, GMDH, and other methods, our method doesn't require complicated control parameters. Providing a feasible error threshold and training samples, it automatically divides the objective mapping into partially linear mappings. Since decomposed mappings are maintained by a binary tree, the linear mapping corresponding to an input is quickly selected. We call this method Partially Linear Mapping tree (PaLM-tree) . In order to estimate the most reliable linear mappings satisfying the feasible error criterion, we employ split-and-merge strategy for the decomposition. Through the experiments on function estimation, image segmentation, and camera calibration problems, we confirmed the advantages of PaLM-tree.

This paper describes a novel method for digitizing the 3D shape of an object in real-time, which can be used for capturing live sequence of the 3D shape of moving or deformable objects such as faces. Two DMD (digital micro mirror) devices are used as high speed switches for modulating and demodulating light rays. One DMD is used to generate rays of light pulses, which are projected onto the object to be measured. Another DMD is used to demodulate the light reflected from the object illuminated by the light pulses into intensity image that describes the disparity. A prototype range finder implementing the proposed method has been built. The experimental results showed that the proposed method works and video sequences of disparity images can be captured in real time. © 2005 IEEE.

We have proposed a K-means clustering based target tracking method, compared with the template matching, which can work robustly <i>when tracking an object with hole through which the background can be seen</i> (e.g., <i>mosquito coil</i>) (<i>hereafter we call this problem as the</i> background interfusion<i>or the</i> interfused background). This paper presents a new method for solving the drawbacks of the previous method, i.e., low speed, instability caused by the change of shape and size. Our new tracking model consists of a single target center, and a variable ellipse model for representing non-target pixels. The contributions of our new method are: 1) The original K-means clustering is replaced by a 2_&infin;-means clustering, and the non-target cluster center is adaptively picked up from the pixels on the ellipse. This modification reduces the number of distance computation and improves the stability of the target detection as well. 2) The ellipse parameters are adaptively adjusted according to the target detection result. This adaptation improves the robustness against the scale and shape changes of the target. Through the various experiments, we confirmed that our new method improves speed and robustness of our original method.

In this paper, we propose a new feedback-error-learning controller enhanced by the PaLM tree that is an easy-to-use function approximator developed by our research group. We investigate the ability of our feedback-error-learning controller by applying it to controlling an active camera head to pursuit a moving target with high accuracy and high response. The PaLM-tree learns the inverse model in the feedback-error-learning scheme correctly. Although our active camera head has unknown mechanical friction and our closed-loop control system has a relatively large latency, our active camera head can successfully pursuit eye movement by our feedback-error-learning controller based on the PaLM-tree. Through experiments, we confirmed that our method could achieve high-performance control over the tuned feedback control.

Three-dimensional (3-D) video is a real 3-D movie recording the object's full 3-D shape, motion, and precise surface texture. This paper first proposes a parallel pipeline processing method for reconstructing a dynamic 3-D object shape from multiview video images, by which a temporal series of full 3-D voxel representations of the object behavior can be obtained in real time. To realize the real-time processing, we first introduce a plane-based volume intersection algorithm: first represent an observable 3-D,space by a group of parallel plane slices, then back-project observed multiview object silhouettes onto each slice, and finally apply two-dimensional silhouette intersection on each. slice. Then, we propose a method to parallelize this algorithm using a PC cluster, where we employ five-stage pipeline processing in each PC as well as slice-by-slice parallel silhouette intersection. Several results of the quantitative performance evaluation are given to demonstrate the effectiveness of the proposed methods. In the latter half of the paper, we present an algorithm of generating video texture on the reconstructed dynamic 3-D object surface. We first describe a naive view-independent rendering method and show its problems. Then, we improve the method by introducing image-based rendering techniques. Experimental results demonstrate the effectiveness of the improved method in generating high fidelity object images from arbitrary viewpoints.

In this paper, we describe a novel camera calibration method to estimate the extrinsic parameters and the focal length of a camera by using only one single image of two coplanar circles with arbitrary radius.
We consider that a method of simple operation to estimate the extrinsic parameters and the focal length of a camera is very important because in many vision based applications, the position, the pose and the zooming factor of a camera is adjusted frequently.
An easy to use and convenient camera calibration method should have two characteristics: 1) the calibration object can be produced or prepared easily, and 2) the operation of a calibration job is simple and easy. Our new method satisfies this requirement, while most existing camera calibration methods do not because they need a specially designed calibration object, and require multi-view images. Because drawing beautiful circles with arbitrary radius is so easy that one can even draw it on the ground with only a rope and a stick, the calibration object used by our method can be prepared very easily. On the other hand, our method need only one image, and it allows that the centers of the circle and/or part of the circles to be occluded.
Another useful feature of our method is that it can estimate the focal length as well as the extrinsic parameters of a camera simultaneously. This is because zoom lenses are used so widely, and the zooming factor is adjusted as frequently as the camera setting, the estimation of the focal length is almost a must whenever the camera setting is changed. The extensive experiments over simulated images and real images demonstrate the robustness and the effectiveness of our method.

This paper describes a conic-based algorithm for estimating visual line from a single monocular image. By assuming that the visual lines of the both eyes are parallel and the iris boundaries are circles, we propose a "two-circle" algorithm that can estimate the normal vector of the supporting plane of the iris boundaries, from which the visual line is calculated. Our new method does not use either the eye corners, or some heuristic knowledge about the structure of the eye. Another advantage of our algorithm is that a camera with an unknown focal length can be used without assuming the orthographical projection. This is a very useful feature because it allows one to use a zoom lens and to change the zooming factor whenever he or she likes. It also gives one more freedom of the camera setting because keeping the camera far from the eyes is not necessary in our method. The extensive experiments over simulated images and real images demonstrate the robustness and the effectiveness of our method.

This paper describes a novel method to estimate visual line from a single monocular image. By assuming that the visual lines of the both eyes are parallel and the iris boundaries are circles, we propose a "two-circle" algorithm that can estimate the normal vector of the supporting plane of the iris boundaries, from which the direction of the visual line can be calculated. Most existing gaze estimation algorithms require eye corners and some heuristic knowledge about the structure of the eye in addition to the iris contours. In contrast to the exiting methods, our one does not use either of those additional information. Another advantage of our algorithm is that a camera with an unknown focal length can be used without assuming the orthographical projection. This is a very useful feature because it allows one to use a zoom lens and to change the zooming factor whenever he or she likes. It also gives one more freedom of the camera setting because keeping the camera far from the eyes is not necessary in our method, The extensive experiments over simulated images and real images demonstrate the robustness and the effectiveness of our method.

Voronoi condensing reduces training patterns of nearest neighbor classifiers without changing the classification boundaries. This method plays important roles not only in the nearest neighbor classifiers but also in the other classifiers such as the support vector machines, because the resulting prototype patterns involve support vectors in many cases. However, previous algorithms for Voronoi condensing were computationally inefficient in general Pattern Recognition tasks. This is because they use proximity graphs for entire training patters, which require computational time exponentially for the dimension of pattern space. For solving this problem, we proposed an efficient algorithm for Voronoi condensing named direct condensing that does not require the entire proximity graphs of training patterns. We confirmed that direct condensing efficiently calculates Voronoi condensed prototypes in high dimension (from 2 to 20 dimensions).

This paper describes a novel method to estimate visual direction from a single monocular image with "two-circle" algorithm. We assume that the visual direction of both eyes is parallel and iris boundaries are circles in 3-D space. Our "two-circle" algorithm can estimate the normal vector of the supporting plane of two iris boundaries, from which the direction of the visual direction can be calculated. Most existing gaze estimation algorithms require eye corners and some heuristic knowledge about the structure of the eye as well as the iris contours. In contrast to the exiting methods, ours does not use that additional information. Another advantage of our algorithm is that it does not require the focal length, therefore, it is capable of estimating the visual direction from an image taken by an active camera. The extensive experiments over simulated images and real images demonstrate the robustness and the effectiveness of our method.

This study proposes a method for recognition of the behavior and number of multiple objects without separation of the objects from images. Most conventional techniques of behavior recognition have used bottom-up processing, in which features were first extracted from images, and then the extracted features were subjected to time-series analysis. However, separation of objects from images at the feature extraction stage resulted in unstable processing. This study aims at stable recognition of multiobject behavior. For this purpose, a mechanism of selective attention is proposed. With this mechanism, particular image regions (focusing regions) are allotted to all states of the NFA (nondeterministic finite automaton) that performs sequence analysis, and feature extraction (event detection) is performed inside such regions. This approach makes it possible to detect events irrespective of noise (that is, changes that may occur in the image beyond the focusing regions), while nondeterministic state transition means that all possible event sequences are analyzed
hence, the behavior of multiple objects can be recognized without separation of the objects from the images. Object-specific color tokens are assigned to NFA active state sets, and then are transferred along with the state transitions, which is referred to as the object discrimination mechanism. Introduction of this mechanism allows simultaneous multiobject behavior recognition and detection of the number of objects. In addition, the proposed system has been extended to treat multiview images, and its effectiveness has been proven experimentally. © 2001 Scripta Technica.

Recognizing multiple object behaviors from nonsegmented image sequences is a difficult problem because most of the motion recognition methods proposed so far share the limitation of the single-object assumption. Based on existing methods, the problem can be solved only by bottom-up image sequence segmentation followed by sequence classification. This straightforward approach totally depends on bottom-up segmentation which is easily affected by occlusions and outliers. This paper presents a completely novel approach for this task without using bottom-up segmentation. Our approach is based on assumption generation and verification, i.e., feasible assumptions about the present behaviors consistent with the input image and behavior models are dynamically generated and verified by finding their supporting evidence in input images. This can be realized by an architecture called the selective attention model, which consists of a state-dependent event detector and an event sequence analyzer. The former detects image variation (event) in a limited image region (focusing region), which is not affected by occlusions and outliers. The latter analyzes sequences of detected events and activates all feasible states representing assumptions about multiobject behaviors. In this architecture, event detection can be regarded as a verification process of generated assumptions because each focusing region is determined by the corresponding assumption. This architecture is sound since all feasible assumptions are generated. However, these redundant assumptions imply ambiguity of the recognition result. Hence, we further extend the system by introducing 1) colored-token propagation to discriminate different objects in state space and 2) integration of multiviewpoint image sequences to disambiguate the single-view recognition results. Extensive experiments of human behavior recognition in real world environments demonstrate the soundness and robustness of our architecture.

In a Cooperative Distributed Vision system, a group of communicating Active Vision Agents (AVA, in short, i.e. real time image processor with an active video camera and high speed network interface) cooperate to fulfill a meaningful task such as moving abject tracking and dynamic scene visualization. A key issue to design and implement an AVA rests in the dynamic integration of Visual Perception, Camera Action, and Network Communication. This paper proposes a novel dynamic system architecture named Dynamic Memory Architecture, where perception, action, and communication modules share what we call the Dynamic Memory. It maintains not only temporal histories of state variables such as pan-tilt angles of the camera and the target object location but also their predicted values in the future. Perception, action, and communication modules are implemented as parallel processes which dynamically read from and write into the memory according to their own individual dynamics. The dynamic memory supports such asynchronous dynamic interactions (i.e. data exchanges between the modules) without wasting time for synchronization. This no-wait asynchronous module interaction capability greatly facilitates the implementation of real time reactive systems such as moving object tracking. Moreover, the dynamic memory supports the virtual synchronization between multiple AVAs, which facilitates the cooperative object tracking by communicating AVAs. A prototype system for real time moving object tracking demonstrated the effectiveness of the proposed idea.

Spatial Reasoning, reasoning about spatial information (i.e. shape end spatial relations), is a crucial function of image understanding and computer vision systems. This paper proposes a novel spatial reasoning scheme for image understanding and demonstrates its utility and effectiveness in two different systems: region segmentation and aerial image understanding systems. The scheme is designed based on a so-called Multi-Agent/Cooperative Distributed Problem Solving Paradigm, where a group of intelligent agents cooperate with each other to fulfill a complicated task. The first part of the paper describes a cooperative distributed region segmentation system, where each region in an image is regarded as an agent. Starting from seed regions given at the initial stage, region agents deform their shapes dynamically so that the image is partitioned into mutually disjoint regions. The deformation of each individual region agent is realized by the snake algorithm(14) and neighboring region agents cooperate with each other to find common region boundaries between them. In the latter part of the paper, we first give a brief description of the cooperative spatial reasoning method used in our aerial image understanding system SIGMA. In SIGMA, each recognized object such as a house and a road is regarded as an agent. Each agent generates hypotheses about its neighboring objects to establish spatial relations and to detect missing objects. Then, we compare its reasoning method with that used in the region segmentation system. We conclude the paper by showing further utilities of the Multi-Agent/Cooperative Distributed Problem Solving Paradigm for image understanding.

画像の領域分割問題は、明度、色、テクスチャの統計的性質、境界のエッジ強度の極大性など各領域の「属性」に関する性質と、それらが互いに素であり、画像全体を被覆するという領域間の「関係」に関する性質を同時に満足する領域集合を求める問題である。このように、部分の属性と部分間の関係の両者を取り扱わなければならない問題に対しては、各部分を自律的に動作するプロセス（エージェント）によって表現し、それらの相互作用によって解析を行う分散協調処理が適している。本研究では、領域の属性情報と領域間の空間的関係情報の両者を分散協調処理を用いて統合する領域分割法を提案する。本手法では、まず画像中の領域を表す各エージェントが他のエージェントの位置・形状を参照することにより、領域間の関係、すなわち領域の境界位置に関する仮説を生成する。各エージェントは、生成した仮説とボトムアップ解析によって得た領域固有の属性情報を、スネークのエネルギー関数を通じて統合し、エネルギー関数の最適化によって領域形状の変形を行う。さらに、エージェント間で互いに矛盾する仮説が生成された場合、各エージェントは仮説を修正することによって矛盾の解消を行う。以上のように「仮説の生成」、「矛盾する仮説の検証と修正」という機能を持つ分散協調システムによって整合性のある領域分割が行えることを実験によって示す。

The gamma-omega Hollgh transform we proposed earlier (a) does not lead to bias in the number of votes accumulated in the cell even when the parameter space is sampled in uniform cells and voting takes place over all pixels, and (b) the voting locus becomes a piecewise linear line composed of two segments so drawing and analyzing the curve is simple. These are significant advantages. In a conventional gamma-omega Hough transformation algorithm, however, votes from the pixel set included on one digital line spread over multiple cells in the parameter space and the number of pixels forming digital lines is not always taken as the correct number of votes. The reason is the:conventional algorithm does not detect all of the target digital lines in the image space. In this research, for the gamma-omega Hough parameter space, we determine the cell configuration having a one-to-one correspondence with all of the digital lines in the image space and demonstrate an appropriate voting method for this cell configuration. By applying the ''high-precision gamma-omega Hough transformation algorithm'' used in the cell configuration and voting method proposed in this paper, digital lines having any orientation and position can be stably and precisely detected.

我々が以前提案したγ-ωハフ変換は,(a)パラメータ空間を均一なセルで標本化し全画素からの投票を行っても,セルに蓄積される投票度数に偏りが生じない.(b)投票軌跡が2本の線分からなる折れ線となり,軌跡の描画や解析が容易に行える.という優れた特長をもっている.しかし,従来のγ-ωハフ変換アルゴリズムでは,1本のディジタル直線に含まれる画素集合からの投票がパラメータ空間中の複数のセルに分散され,ディジタル直線を構成する画素の数が投票度数として正しくとらえられない場合がある.これは,従来のアルゴリズムが,画像空間中に存在するすべてのディジタル直線を検出対象としていないことに起因する.本研究では,γ-ωパラメータ空間において,画像空間中に存在するすべてのディジタル直線と1対1に対応したセル配置を求め,そのセル配置に対する妥当な投票方法を明らかにする.本論文で提案するセル配置と投票方法を用いた「高精度γ-ωハフ変換アルゴリズム」を用いることにより,任意の方向,位置をもつディジタル直線が安定かつ高精度に検出できる.

The Hough transform is an effective method for detecting figure elements in images corrupted by noise. Voting on the feature points in the image space is performed in the parameter space, after which the points in the parameter space with many votes are focused on in order to detect the figure elements. In the Hough transform, the parameter space is partitioned into elements called cells where the votes are accumulated. However, when the subject is a digital image, if the parameter space is not sampled appropriately, a bias arises in the number of votes accumulated in the cells. In this paper, we present a sampling method for the parameter space that does not produce distortion in the ρ–θ parameter space used in line detection, and we construct a γ–ω space where no bias in the number of votes arises even when sampling is uniform. The γ–ω parameter space corresponds to the ρ–θ parameter space and has the features of no bias in the number of votes and voting loci, which are segmented lines. In addition, the characteristics of the γ–ω parameter space, where the feature points and voting loci are easily converted from one to the other, are used, and a verification method for the line segments is proposed that does not scan the image space again. By combining the line detection method that uses the γ–ω parameter space and this verification method, stable line detection becomes possible. Copyright © 1993 Wiley Periodicals, Inc., A Wiley Company

近年のオープンアクセスジャーナルの流れに沿って登場し，増加の一途を辿っている粗悪学術論文誌と粗悪学術会議について，その背景，見分けるためのチェックポイント，具体的な弊害，ブラックリストの必要性，研究者倫理との関連，対策，等について概説した．

画像を写像の不動点として符号化するフラクタル圧縮は，単に画像圧縮だけでなく，部分画像の共起性に基づくテクスチャの分析や超解像処理などにも利用することができ，これまでに数多くの研究が行われてきた．フラクタル圧縮では，局所的な画像ブロック（ドメイン）から他の画像ブロック（レンジ）への縮小写像を求めることで，符号化を行う．このとき，様々なドメインに対してレンジとの誤差が最小になるように「明るさの倍率」と「オフセット」を求め，誤差が最小となるドメインを探索する「最近傍部分空間探索問題」を解かなければならず，探索に要する計算コストが極めて高い．本論文では，この最近傍部分空間探索問題の特殊性に着目し，一切の近似を導入することなく，単なる最近傍探索問題に変換できることを示す．D. Saupeも同様に最近傍探索によってフラクタル圧縮の高速化を図っているが，その問題設定の検討が不十分である．本論文では，より一般的に問題の変換を行うことにより，様々な条件での最近傍探索問題の設定が可能になり，これら全てを比較することによって，D. Saupeの高速化よりも更に高速化が可能であることを示す．また，この解釈に基づき，フラクタル圧縮の拡張法についても論じる．

【目的】間接灸は火傷の可能性もあり温度特性について把握しておく必要がある。しかし先行研究 では1秒未満の詳細な温度変化を検討したものは見受けられない。そこで台座灸、温筒灸、棒灸 の温度特性について検討した。<br> 【方法】4㎜厚のシナベニア板上に置いた1㎜厚のアメゴムシート上に熱電対を施灸部位直下（0.00 ㎜）、直下から外方3.75㎜、7.50㎜、15.00㎜、30.00㎜、45.00㎜の6点に設置し、温度インターフェ イスを介してパーソナルコンピュータに温度データを取り込んだ。棒灸は、熱電対からの高さ20 ㎜と100㎜とした。0.55秒間隔で600秒間計測し、各灸6回測定した。<br> 【結果および考察】平均最高温度は台座灸55.9±5.0℃、温筒灸64.3±3.3℃、棒灸の高さ20㎜は 51.2±4.7℃、 100㎜は30.1℃±3.3℃だった。最高温度までの時間は、 台座灸160.7秒、 温筒灸154.5秒、 棒灸の高さ20㎜は126.7秒、100㎜は182.5秒だった。台座灸の温度曲線は漸増的に温度上昇後、 頂点付近は弧を描き、なだらかに温度下降をした。温筒灸は、台座灸よりも急激に温度上昇し、 頂点付近で少しゆるやかになり頂点から急激に下降した。棒灸の高さ20㎜は、漸増後、頂点はゆ るやかな弧をえがき、非常になだらかに直線的に温度は下降、高さ100㎜は非常になだらかに温度 上昇し、直線的に推移した。台座灸、温筒灸では施灸部外方7.5㎜以遠ではほとんど温度上昇がな かった。台座灸では最高温度付近で急激な温度変化があることがわかった。各種間接灸を使い分 けることにより、異なる刺激を与えることができる可能性が示唆された。<br> 【結語】高頻度の温度計測および施灸周囲の温度測定によりこれまで不明だった台座灸、温筒灸、 棒灸の温度特性をとらえることができた。

【目的】棒灸は治療家のみならず、セルフケアとしても用いられているが、火傷の過誤が報告されるなど、温度特性について把握しておく必要がある。棒灸の燃焼部からの高さ、経時的な温度変化、影響範囲について検討した。
【方法】4mm厚のシナベニア板上に置いた1mm厚のアメゴムシート上に熱電対（ST-50 理科工業）を燃焼部直下（0mm）、直下から外方3.75mm、7.5mm、15mm、30mm、45mmの6点に設置し、温度インターフェイス（Ｅ830 テクノセブン）を介してパソコンに温度データを取り込んだ。棒灸（温灸純艾條 カナケン）は、先端から熱電対までの高さを20、30、40、60、80、100mmと変えて10分間経時的に6回測定した。
【結果および考察】測定時の室温は24.5±2.5℃だった。測定点の平均最高温度は、高さ20mmでは44.1±4.7℃、30mmは38.5±2.6℃、40mmは36.2±4.5℃、60mmは29.4±2.9℃、80mmは26.8±2.3℃、100mmは25.6℃±3.1℃だった。高さの100mmの燃焼部からの水平距離では直下から3.75mmでは25.9±3.3℃、7.5mmは25.9±3.2℃、15mmは25.9±3.1、30mmは26.1±3.0℃、45mmは26.3±3.1℃だった。また、高さ20mmで直下と外方部の温度逆転が、260秒後に外方15mm、290秒後に7.5mm、310秒後に3.75mm、430秒後に30mm、600秒後に45mmとの間に見られた。灰による影響と思われる。
【結語】直下では燃焼部に近いほど最高温は高かったが、高さ100mmでは遠いほど温度が高く、経時的には水平距離と温度の関係の逆転もみられた。棒灸は燃焼部からの高さにより、上昇温度、刺激範囲を可変でき、術者が刺激を調節することができることが確認された。

我々は,以前,画像の局所特徴量に基づく高速画像検索システムのために,DB内の画像に付与するインデックス特徴を削減する方法を提案した.これは,画像の局所特徴量のうち,安定に検出でき,しかも,その特徴によってDB内の他の画像との違いが特定しやすい弁別性の高い特徴を,Diverse Densityの枠組みで評価し,その値の高いものをDB内の各画像のインデックス特徴として与えるというものである.実験により,インデックス特徴の削減により,メモリ使用量と,検索精度は大幅に改善したが,検索時の速度向上は限定的であった.この理由は,クエリとして与える画像から抽出される局所特徴量全てに対して最近傍探索を行うためであった.この問題を解決するために,本報告では,クエリから抽出された局所特徴のうち,探索に用いるものを少数に絞り込み,探索の回数を減らすことで,高速化を達成する方法を提案する.

ガウス過程回帰は出力の期待値と分散を推定する非線形回帰手法である.基本的なガウス過程回帰で推定できる出力の期待値はスカラー値であり,ベクトル値の出力を推定する際にガウス過程回帰を出力次元の回数だけ実行しても各次元間の相関関係は表現できず,共分散も推定できない.我々は,すでにガウス過程回帰の高速化法として,動的Active Setを用いる方法を提案しており,このActive Setの出力成分の重み付き共分散行列を出力の共分散行列とする方法を示した.しかし,この方法では推定した共分散行列の対角成分が負になることがあるという問題点が存在する.これはActive Setに対する重みの計算にグラム行列の逆行列が用いられており,これが負になる場合があることが原因である.本報告では,通常のガウス過程回帰で推定された出力と近くなるように正の重みを再計算し,前述の問題を回避する計算法を提案する.実験では提案手法をプラントデータと心電図データの異常検出に用いて,その有効性を確認した.

本報告では,一台の広角カメラで撮影した画像上の人物位置を検出することができるシステムを複数台連携させ,広域の人物検出・追跡システムを構築する方法について述べる.単一画像からの人物検出法は,学習もしくはあらかじめ設計された人物モデルと撮影画像との照合計算によって画像上の人物位置を検出するものが多い.このような人物検出システムの主な用途は,仮想ゲートを通過する人数のカウントであり,歪んだ画像上の人物位置を求めることが基本機能である.このようなシステムを複数連携させるためには,システム間で同一人物の判定をしなければならない.本報告では,各システムの画像上で検出された人物位置をシーンの地図(見取り図)上の位置に写像し,複数のシステムで検出された人物の近接性をこの地図上で評価し,同一人物の判定をする方法を提案する.このための写像は非線型写像になり,本研究では高速性を考慮して線型回帰木を用いる.しかし,人物モデルのマッチングは通常頭部に着目して行われるため,身長が判らない限り,画像上の人物の足下位置は不正確になる.この問題に対して,本手法では同一人物の判定と同時に地図上の人物位置のずれから,個々の人物の身長を推定するというソリューションを与える.推定された身長は,人物属性として使えるだけでなく,シーン中の人物位置の補正に用いることができる.

局所特徴を用いたContent-based image retrieval(CBIR)は,2手法に分類することができる.1つは,画像を,局所特徴を統合した,1つのBag of Features(BoF)ベクトルとして表現して利用する手法である.もう1つは,個々の局所特徴を統合せずに利用する手法である.我々は,後者の手法をMultiple instance image retrieval(MIIR)と呼んでいる.MIIRでは,Diverse density(DD)を用いた重要度評価による特徴点(インスタンス)選択手法が提案されており,特徴の安定性と弁別性を同時に考慮した検索が可能になっている.しかし,重要度の評価で用いるDDは,ある特徴点とデータベース内のすべての画像のインスタンスとの距離計算と等しく,膨大な計算時間を要する.そこで本研究では,最近傍探索を用いた,DDの高速化を提案する.Nisterの画像セットを用いた実験結果から,Image retrievalの精度は保つつ,DDの計算を約520倍高速化できることを確認した.

ガウス過程回帰は出力の期待値と分散を推定する非線形回帰手法である.基本的なガウス過程回帰で推定できる出力の期待値はスカラー値であり,ベクトル値の出力を推定する際にガウス過程回帰を出力次元の回数だけ実行しても各次元間の相関関係は表現できず,共分散も推定できない.我々は,すでにガウス過程回帰の高速化法として,動的 Active Set を用いる方法を提案しており,この Active Set の出力成分の重み付き共分散行列を出力の共分散行列とする方法を示した.しかし,この方法では推定した共分散行列の対角成分が負になることがあるという問題点が存在する.これは Active Set に対する重みの計算にグラム行列の逆行列が用いられており,これが負になる場合があることが原因である.本報告では,通常のガウス過程回帰で推定された出力と近くなるように正の重みを再計算し,前述の問題を回避する計算法を提案する.実験では提案手法をプラントデータと心電図データの異常検出に用いて,その有効性を確認した.

本報告では,一台の広角カメラで撮影した画像上の人物位置を検出することができるシステムを複数台連携させ,広域の人物検出・追跡システムを構築する方法について述べる.単一画像からの人物検出法は,学習もしくはあらかじめ設計された人物モデルと撮影画像との照合計算によって画像上の人物位置を検出するものが多い.このような人物検出システムの主な用途は,仮想ゲートを通過する人数のカウントであり,歪んだ画像上の人物位置を求めることが基本機能である.このようなシステムを複数連携させるためには,システム間で同一人物の判定をしなければならない.本報告では,各システムの画像上で検出された人物位置をシーンの地図 (見取り図) 上の位置に写像し,複数のシステムで検出された人物の近接性をこの地図上で評価し,同一人物の判定をする方法を提案する.このための写像は非線型写像になり,本研究では高速性を考慮して線型回帰木を用いる.しかし,人物モデルのマッチングは通常頭部に着目して行われるため,身長が判らない限り,画像上の人物の足下位置は不正確になる.この問題に対して,本手法では同一人物の判定と同時に地図上の人物位置のずれから,個々の人物の身長を推定するというソリューションを与える.推定された身長は,人物属性として使えるだけでなく,シーン中の人物位置の補正に用いることができる.

我々は,以前,画像の局所特徴量に基づく高速画像検索システムのために,DB 内の画像に付与するインデックス特徴を削減する方法を提案した.これは,画像の局所特徴量のうち,安定に検出でき,しかも,その特徴によって DB 内の他の画像との違いが特定しやすい弁別性の高い特徴を,Diverse Density の枠組みで評価し,その値の高いものを DB 内の各画像のインデックス特徴として与えるというものである.実験により,インデックス特徴の削減により,メモリ使用量と,検索精度は大幅に改善したが,検索時の速度向上は限定的であった.この理由は,クエリとして与える画像から抽出される局所特徴量全てに対して最近傍探索を行うためであった.この問題を解決するために,本報告では,クエリから抽出された局所特徴のうち,探索に用いるものを少数に絞り込み,探索の回数を減らすことで,高速化を達成する方法を提案する.

局所特徴を用いた Content-based image retrieval (CBIR) は,2 手法に分類することができる.1 つは,画像を,局所特徴を統合した,1 つの Bag of Features(BoF) ベクトルとして表現して利用する手法である.もう 1 つは,個々の局所特徴を統合せずに利用する手法である.我々は,後者の手法を Multiple instance image retrieval (MIIR) と呼んでいる.MIIR では,Diverse density(DD) を用いた重要度評価による特徴点 (インスタンス) 選択手法が提案されており,特徴の安定性と弁別性を同時に考慮した検索が可能になっている.しかし,重要度の評価で用いる DD は,ある特徴点とデータベース内のすべての画像のインスタンスとの距離計算と等しく,膨大な計算時間を要する.そこで本研究では,最近傍探索を用いた,DD の高速化を提案する.Nister の画像セットを用いた実験結果から,Image retrieval の精度は保つつ,DD の計算を約 520 倍高速化できることを確認した.

Object re-identification techniques are essential to improve the identification performance in video surveillance tasks. The re-identification problem is equal to a multi-view problem that an unknown individual is identified across spatially disjoint data. For the re-identification techniques, several multi-view feature transformation methods have been proposed. These methods are formulated by the supervised learning framework and show the better performances in multi-view classification tasks in which the training data are observed by the different sensors. However, in the re-identification tasks, these methods may not be required because the simple feature transformation method such as linear discriminant analysis (LDA) shows the reasonable identification rates. In this paper, we propose a novel semi-supervised feature transformation method, which is formulated as a natural coupling with PCA and LDA modeled by the graph embedding framework. Our method showed best re-identification performances compared with other feature transformation methods.

顔画像認識は,犯罪捜査からパーソナルデバイスの個人認証まで,様々な用途で用いられている.しかし,ある質問画像に対して得られた認識結果は,顔のどの部分が根拠となり,その認識結果が得られたのかが明白ではない場合が多い.本研究では,顔画像データベース(以下DB)を用いて,質問画像に近い画像を「想起」することにより,顔画像のどの部分がどの認識結果に対応しているのかを明らかにする方法を提案する.提案手法では,DB中の事例を用いた非線形写像を,画像の隣接ブロック間で定義しておき,これを質問画像に適用することにより,質問画像に近い画像をDB中の画像から生成(想起)し,その際にDB中の各画像の各部分に付与された重みから,人物同定を行う.この方式では,顔画像の各部分がDB中のどの画像に最も近いのかを求めることができるため,目,鼻,口,髪型,輪郭,などどの部分に着目して認識が行われたのかを判断しやすいというメリットがある.また,ORDBを用いた顔の認識実験により,提案手法は高い認識性能も持つことを示し,有効性を明らかにした.

監視カメラ映像を用いた犯罪捜査では,異なるカメラ映像間で同一の人物を探し出すことが,その人物の移動履歴をたどる上で重要であり,捜査上重要な手がかりになることが多い.しかし,異なるビデオ映像間で,同一人物を探索する作業はきわめて労働集約的であり,自動化が望まれるタスクである.本稿では,人物検出などを行わず,画像から抽出された局所特徴の共通性に基づいて同一被写体が撮影された画像ペアを発見する方法を提案する.この手法では,入力ビデオフレームから背景画像を生成し,入力画像から検出され背景画像からは検出されない前景物体の局所特徴を求めておき,この前景物体の局所特徴間の共通性から,同一被写体が撮影されたビデオフレームのペアを探索する.画像間の局所特徴の共通性と相違性はDiverse Densityによって計算を行い,さらにそれを画像内の前景物体すべてについて計算し,総合したCommonality尺度に基づいて同一被写体画像であるかどうかの判定を行う.実験では,複数のビデオシーケンスから,同一被写体が撮影されている部分を発見する実験を行い,本手法の有効性を明らかにした.

監視カメラ映像を用いた犯罪捜査では,異なるカメラ映像間で同一の人物を探し出すことが,その人物の移動履歴をたどる上で重要であり,捜査上重要な手がかりになることが多い.しかし,異なるビデオ映像間で,同一人物を探索する作業はきわめて労働集約的であり,自動化が望まれるタスクである.本稿では,人物検出などを行わず,画像から抽出された局所特徴の共通性に基づいて同一被写体が撮影された画像ペアを発見する方法を提案する.この手法では,入力ビデオフレームから背景画像を生成し,入力画像から検出され背景画像からは検出されない前景物体の局所特徴を求めておき,この前景物体の局所特徴間の共通性から,同一被写体が撮影されたビデオフレームのペアを探索する.画像間の局所特徴の共通性と相違性は Diverse Density によって計算を行い,さらにそれを画像内の前景物体すべてについて計算し,総合した Commonality 尺度に基づいて同一被写体画像であるかどうかの判定を行う.実験では,複数のビデオシーケンスから,同一被写体が撮影されている部分を発見する実験を行い,本手法の有効性を明らかにした.

三次元物体認識の一方式として，観測方向によって変化する三次元物体の 「見え」 をモデル化する方法がある．例えば，パラメトリック固有空間法では対象の見えの変化を固有空間内の多様体としてモデル化し，物体の種別や姿勢変化などを認識する．しかし，この方法では，対象を撮影した画像全体を固有空間に射影するため，背景の変化やオクルージョンの影響を受けやすいという問題がある．この問題を解決するために，本稿では画像の局所特徴に基づき対象モデルを構築し，背景の変化やオクルージョンの影響を受けにくい物体認識法を提案する．但し，広い角度の対象の「見え」をグルーピングすると，個々の物体の弁別性が低下するため，弁別性を維持しつつコンパクトなモデル化を行うという問題を解決する必要がある．本稿では Diverse Density (DD) を用いることにより，強い弁別性を持つ特徴を優先的に残し，弁別性を維持しながら対象の複数の見えをグルーピングする方法を提案する．Coil 画像セットを用いた実験により，対象物体のすべての見えから抽出した局所特徴を用いたモデル化よりも，複数の 「見え」 をまとめることによって，不要な特徴を捨て，サイズを小さくしたモデルの方が高い認識率が得られる事を明らかにし，さらにクエリ画像に背景画像を付加してもパラメトリック固有空間法よりも高い認識率が達成できることを確認した．Appearance based 3D object modeling is a handy approach for 3D object recognition. The most representative method in this approach is parametric-eigenspace method, which models the appearance variations of a 3D object by a manifold in eigenspace and recognizes the object name and the observation direction by using the manifolds of multiple objects. This method, however, is not robust against occlusions and background variations. For solving this problem, this paper proposes a robust 3D object modeling and recognition method based on local features. The inputs of this method are the images of objects representing their aspects. From these images, tons of local features are generated. Some are unique to an object and some are not. Also, some are created by specular highlight and shadows. By grouping the appearances of contiguous aspects, we can obtain a compact representation of an object, which indirectly excludes fragile and non-essential features. However, excessive grouping may cause poor recognition rate. The distinctive features unique to an object can be found by using the framework of Diverse Density (DD). The DD can be used also for controlling the grouping process. Our DD guided local feature selection and grouping is applied to Coil image dataset for object recognition task. Through comparative experiments with parametric-eigenspace method for occluded and background added input images, we confirmed that our method achieves much higher recognition rate.

三次元物体認識の一方式として,観測方向によって変化する三次元物体の「見え」をモデル化する方法がある.例えば,パラメトリック固有空間法では対象の見えの変化を固有空間内の多様体としてモデル化し,物体の種別や姿勢変化などを認識する.しかし,この方法では,対象を撮影した画像全体を固有空間に射影するため,背景の変化やオクルージョンの影響を受けやすいという問題がある.この問題を解決するために,本稿では画像の局所特徴に基づき対象モデルを構築し,背景の変化やオクルージョンの影響を受けにくい物体認識法を提案する.但し,広い角度の対象の「見え」をグルーピングすると,個々の物体の弁別性が低下するため,弁別性を維持しつつコンパクトなモデル化を行うという問題を解決する必要がある.本稿ではDiverse Density(DD)を用いることにより,強い弁別性を持つ特徴を優先的に残し,弁別性を維持しながら対象の複数の見えをグルーピングする方法を提案する.Coil画像セットを用いた実験により,対象物体のすべての見えから抽出した局所特徴を用いたモデル化よりも,複数の「見え」をまとめることによって,不要な特徴を捨て,サイズを小さくしたモデルの方が高い認識率が得られる事を明らかにし,さらにクエリ画像に背景画像を付加してもパラメトリック固有空間法よりも高い認識率が達成できることを確認した.

顔画像認識は,犯罪捜査からパーソナルデバイスの個人認証まで,様々な用途で用いられている.しかし,ある質問画像に対して得られた認識結果は,顔のどの部分が根拠となり,その認識結果が得られたのかが明白ではない場合が多い.本研究では,顔画像データベース (以下 DB) を用いて,質問画像に近い画像を 「想起」 することにより,顔画像のどの部分がどの認識結果に対応しているのかを明らかにする方法を提案する.提案手法では,DB 中の事例を用いた非線形写像を,画像の隣接ブロック間で定義しておき,これを質問画像に適用することにより,質問画像に近い画像を DB 中の画像から生成 (想起) し,その際に DB 中の各画像の各部分に付与された重みから,人物同定を行う.この方式では,顔画像の各部分が DB 中のどの画像に最も近いのかを求めることができるため,目,鼻,口,髪型,輪郭,などどの部分に着目して認識が行われたのかを判断しやすいというメリットがある.また,ORDB を用いた顔の認識実験により,提案手法は高い認識性能も持つことを示し,有効性を明らかにした.

Discriminating feature extraction is important to achieve high recognition rate in a classification problem. Fisher's linear discriminant analysis (LDA) is one of the well-known discriminating feature extraction methods and is closely related to the Mahalanobis distance metric learning. Neighborhood component analysis (NCA) is one of the Mahalanobis distance metric learning methods based on stochastic nearest neighbor assignment. The objective function of NCA can be expressed as a within-class coherency by a simple formula, and NCA extracts discriminating features by minimizing the objective function. Unfortunately, the computational cost of NCA significantly increases as the number of input data increases. For reducing the computational cost, we propose a fast distance metric learning method by taking the between-class distinguishability into account of nearest mean classification. According to the experimental results using standard repository datasets, the computational time of our method is evaluated as 27 times shorter than that of NCA while keeping or improving the accuracy.

This report presents a method for estimating color face images from near-infrared monochrome face images. This estimation is done by the regression from a monochrome image to a color image. One difficult problem is that the regression depends on face organs. That is, the same intensity pixels in an infrared monochrome image do not correspond to the same color pixels. Therefore, entirely uniform regression cannot colorize the pixels correctly. This report presents a colorization method for monochrome face images by position-dependent regressions, where the regression coefficients are obtained in different image regions corresponding to facial organs. Also, we can extend the independent variables by adding texture information around the pixels so as to obtain accurate color images. However, unrestricted extension may cause multi-collinearity problem, which may produce inaccurate results. This report also proposes CCA based dimensionality reduction for avoiding this problem. Comparative experiments on the restoration accuracy demonstrate the superiority of our method.This report presents a method for estimating color face images from near-infrared monochrome face images. This estimation is done by the regression from a monochrome image to a color image. One difficult problem is that the regression depends on face organs. That is, the same intensity pixels in an infrared monochrome image do not correspond to the same color pixels. Therefore, entirely uniform regression cannot colorize the pixels correctly. This report presents a colorization method for monochrome face images by position-dependent regressions, where the regression coefficients are obtained in different image regions corresponding to facial organs. Also, we can extend the independent variables by adding texture information around the pixels so as to obtain accurate color images. However, unrestricted extension may cause multi-collinearity problem, which may produce inaccurate results. This report also proposes CCA based dimensionality reduction for avoiding this problem. Comparative experiments on the restoration accuracy demonstrate the superiority of our method.

Face image retrieval based on local features has advantages of short elapsed time and robustness against the occlusions. However, the keypoint detection, beforehand with the feature description, may fail due to illumination changes. For solving this problem, top-down model-based keypoint detection can be applied, where man-made face model does not fit this task. This report addresses the problem of bottom-up face model construction from example, which can be formalized as common local features extraction among face images. For this purpose, a measure called Diverse Density (DD) can be applied. DD at a point in a feature space represents how the point is close to other positive example while keeping enough distance from negative examples. Because of this property, DD is defined as product of metrics, which can easily be affected by exceptional data, i.e., if one negative data leaps into the neighbour of a positive example, the DD around there becomes lower. Actually, face images have wide variations of face organs' positions, beard, moustache, glasses, and so on. Under these variations, DD for wide varieties of face images will be low at any point in the feature space. For solving this problem, we propose a method performing hierarchical clustering and common local feature extraction simultaneously. In this method, we define a measure representing the affinity of two face image sets, and cluster the face images by iteratively merging the cluster pair having the maximum score. Through experiments on 1021 CAS-PEAL face images, we confirmed that multiple face models are successfully constructed.Face image retrieval based on local features has advantages of short elapsed time and robustness against the occlusions. However, the keypoint detection, beforehand with the feature description, may fail due to illumination changes. For solving this problem, top-down model-based keypoint detection can be applied, where man-made face model does not fit this task. This report addresses the problem of bottom-up face model construction from example, which can be formalized as common local features extraction among face images. For this purpose, a measure called Diverse Density (DD) can be applied. DD at a point in a feature space represents how the point is close to other positive example while keeping enough distance from negative examples. Because of this property, DD is defined as product of metrics, which can easily be affected by exceptional data, i.e., if one negative data leaps into the neighbour of a positive example, the DD around there becomes lower. Actually, face images have wide variations of face organs' positions, beard, moustache, glasses, and so on. Under these variations, DD for wide varieties of face images will be low at any point in the feature space. For solving this problem, we propose a method performing hierarchical clustering and common local feature extraction simultaneously. In this method, we define a measure representing the affinity of two face image sets, and cluster the face images by iteratively merging the cluster pair having the maximum score. Through experiments on 1021 CAS-PEAL face images, we confirmed that multiple face models are successfully constructed.

両面印刷物のスキャンをする際,裏写り(ショースルー:Show-through)が発生し,鮮明なスキャン画像が得ることができないことがある.ショースルーは紙が完全に不透明でないため,裏面の情報が表面に見える現象であり,この問題を解決するために様々な手法が提案されている.ショースルー除去法には,大きく分けて片面のみを利用する方法と両面を利用する方法があるが,両面を利用する手法の多くは画像の位置合わせの精度に大きく依存し,また,そもそも片面しか存在しない場合は手法が適用できない.一方片面のみを利用する手法として,各ビクセルの表面と裏面の輝度値を離散最適化により推定する手法が考えられるが,各ビクセルのラベル数が2 5 6×2 5 6個となり計算量が大きいため,高解像度の文章画像には適用が困難である.本研究では,離散最適化を用いて片面文章画像から各ビクセルが表面・ショースルー・裏面のどの成分であるかを推定し,ショースルーを除去する手法を提案する.この手法では各ビクセルにおけるラベル数が3つになり,高速に推定を行うことができるというメリットがある.合成画像を含む多数の画像に対する実験では,提案手法を用いて高速にショースルーを除去できることを確認した.

本報告では、大規模なデータに適用しても大量のメモリを必要としないK-meansクラスタリング手法を提案する。例えば、一般物体認識等で使用されるcode bookを作成する場合は、大量の局所特徴ベクトルに対するK-meansクラスタリングが必要となる。この際に、全データをメモリに展開する通常のK-meansクラスタリングでは、大規模な問題に適用することは出来ない。本報告では、許容されるメモリ使用量の範囲内で、データを補助記憶装置(HDD)からメモリに逐次的にロードしながら計算を行うK-meansクラスタリングの計算方法を提案する。この手法は複数回のデータ走査を行う方法であり、1回目のパスでは、HDDからデータを順番に読み込みながらクラスタリングを行うことで、大数の法則に則った漸近的なクラスタ中心の移動を実現する。この際に、クラスタ中心を決定するための十分統計量と、各データがどのクラスタに所属したかを記録しておき、2回目以降のパスで、所属クラスタが変化した場合に、クラスタ中心の更新を行う。この更新のタイミングを調整することで反復計算の回数を削減し、処理速度を向上させる。

本報告では、K-D木を用いた最近傍探索アルゴリズムにおけるPriority Searchを識別問題としてとらえ、距離計算を行わない最近傍探索アルゴリズムを提案する。K-D木を用いた最近傍探索では、1)木探索によって暫定最近傍解を求め、2)A*アルゴリズムによる真の最近傍の探索が行われる。このうち、2)のA*アルゴリズムによる最近傍の探索に処理時間の大半が費やされてしまう。この傾向は、格納されているデータ分布の次元数が上昇するにつれて顕著になる。本報告では、木探索でたどり着いた葉ノードに対応する空間のBOX分割を考え、そのBOX内のどこにクエリが存在するかにより、Pnority Searchで見つかる最近傍は決まっていることに着目し、BOX毎に識別器を用意して、距離計算なしで最近傍探索を行う方法を提案する。具体的には、K-D木の葉の部分に決定木を継ぎ足したGrafting Treesというデータ構造を用いた最近傍探索アルゴリズムを提案する。Grafting Treesでは、データ分布の次元数が上昇するにつれて決定木の構造が深くなってしまうという問題が起きるため、登録したデータを母点とするVoronoi境界付近では、木探索の代わりに距離計算を行うHybrid Grafting Treesについても提案する。実験では、D. MountらのANNライブラリとGrafting Treesの速度比較を行い、ANNよりも高速であることを示す。

局所特徴量に基づく顔画像検索は,高速でありオクルージョンにも頑健であるが,照明変化によってキーポイントの検出漏れが発生するため,特徴記述が不安定になる.この問題に対処するには,モデルを用いたトップタウン的なキーポイント検出が有効であると考えられる.しかし,人間の先見的知識に基づいてこれらのモデルを構築した場合,必ずしも実際の画像とは一致しないため,実際のデータからボトムアップ的に画像の局所特徴量に基づくモデルを構築しなければならない.画像の局所特徴量の共通性を評価する尺度として, Multiple Instance Leaming(MIL)で用いられるDiverse Density(DD)がある.これを用いれば,非顔画像から抽出したネカティブテータから遠く,顔画像から抽出したポジティブテータと近い局所特徴量が抽出できる.しかし,実際の人物顔画像は顔器官の空間的配置や,メガネや髭など,変化に富み,全ての顔画像について積の形で表現されるDDの値を計算したのでは値が小さくなり,共通性の高い顔特徴は検出できない.本報告では,この問題を解決するために, DDの期待値をスコアとして,顔画像集合を階層的にクラスタリングしながら,局所特徴量のモデルを構築する方法を提案する.実験では, CASPEALの顔画像1021枚を対象として提案手法を実行し,複数の顔モデルの抽出が行えることを確認した.

インターネット上の画像検索を利用して,物体の見えの学習を行うことができれば,テキストを与えるだけて現実世界での物体の探索が行えるようになる.しかし,現実の画像検索結果は,対象以外の無関係なものを含むため,画像内での対象のローカライズが必要になる.本報告では,この問題を,複数の画像群から共通対象を検出するCo-segmentationの問題であると捉え, Multiple-Instance Learming(MIL)の考え方を取り入れて,この問題を解く方法を提案する.具体的には,過剰分割した画像領域から抽出した特徴量に対して求めたDiverse Density(DD)の値を利用して前景・背景モデルを構築し,離散最適化によって,各画像で共通する領域の検出を行う.この際に通常のDDを計算したのでは,前景におけるDDの値が低下するために, Co-segmentationに適した新たな尺度を導入する.iCoseg databaseを用いた実験では先行研究に比べ高いセグメンテーション精度が得られ,本手法の有効性が確認できた.

本報告では, Kinectによって得られる深度画像のみを用いて,首振りによる対象の能動追跡を行うシステムおよび方法について述べる.これは, kinectの側から見ると,人物検出やポーズ推定などを高速かつ安定に行うソフトウエアライフラリが使えるにもかかわらず,人物が観測範囲から出てしまうとその機能が使えなくなることを補うことになる.また,能動追跡の立場から見ると,屋内であれば照明の強弱にかかわらず,完全な暗闇でも追跡が行えることを意味している.単眼およびステレオカメラなどでは,回転による運動視差が発生しない「視点固定型」のカメラを用いた能動追跡が2次元画像平面上での対象位置のみで回転角が決定できるため有利である.しかし, Kinectでは3次元情報が直接得られるため,深度カメラの光学中心と回転中心の位置関係が分かっていれば,視点固定型の構成に剃る必要はない.本稿では,まずこのキャリフレーション法について述べる.次に, 3次元空間中での点群をmean shiftによって追跡する手法について述べる.この手法は, 3次元の窓関数を用いるため,物体か凸であり周辺に他の物体か存在しない限り,安定な追跡を実現することか出来る.次に,より詳細な3次元形状に基づく追跡アルゴリスムの例としてspin imageを用いた追跡方法, PD制御の方法について述べ,実験結果から,対象形状やタスクによって,どのような追跡手法か適しているかについて述べる.

本報告では, Gaussian Process Regression(GPR)の枠組みを用いてベクトル値の出力を推定する手法を提案する.GPRは出力の期待値と分散を推定する非線形回帰手法である.基本的なGPRで推定できる出力の期待値はスカラー値であり,ベクトル値を推定する際にGPRを出力次元の回数だけ実行しても各出力次元間の共分散は推定できない.本手法では,我々が先に提案したActive Setの動的絞込みを利用し,ベクトル出力の期待値とその共分散の推定を行う.Active Setの動的絞込みは,入力データをキーとして,出力の推定に必要な事例集合を動的に決定する方法である.各事例は,入力と出力のペアから構成されており, Active Setの出力部を利用することで,共分散行列の推定を行うことが出来る.実験では,提案手法を人工的なデータとプラントデータに適用し,提案手法の有効性を確認した.

Kinectて得られた距離画像とカラー画像との位置合わせに関しては,大まかなキャリフレーションを行う方法が存在するが, 1ピクセル単位でカラー画像と距離画像を位置合わせする方法は存在しない.また,鏡面反射や反射率の低い部分,あるいはOccluding Contour周辺のように赤外線投光の反射か得られにくい部分では距離が求められないという問題も生じる.この結果, Kinectで計測した奥行き情報にカラー画像をテクスチャマンピングし,他の視点から観測するなどの処理をすると,画質が大幅に崩れてしまう.本研究では,色と奥行きの間に存在する局所的な相関関係を利用し,「同じ色であれば奥行きも類似している」と考え,画素の空間的近さと,色の類似性に基づいた重みによって,観測てきた周囲の距離情報に重み付けをして,奥行きの推定を行うBilateral Filteringを提案する.幾つかの実験例を提示し,提案手法によって奥行きの欠損並びに,奥行き情報とカラー画像の位置合わせかほぼ正しく行われることを確認した.

位相シフト法は,最低3枚の画像を解析するだけで,画像全体の三次元形状をサブum単位の分解能で計測できる手法である.しかしながら,各画素で求められる位相は,奥行きを幾つかの周期に区分した内部での奥行きに対応付けられるため,各位相情報が何周期目の区分の中での奥行きかを求めない限り,一意に奥行きを決定できない.これを補うために,各位相が何周期目の位相かを決定する「位相接続」問題を解かなければならない.本論文では,この問題を離散最適化問題として定式化し, Belief Propagationを用いて解くことにより,奥行きの推定を行う.特に,以前は相対的な形状を求めるために,平滑化項のみを用いた離散最適化を行なってきたが[1],今回は投光パターンを工夫することにより,幾つかの点で絶対的奥行きを表すデータ項を求め,これを用いて奥行き推定を行う手法を提案する.実験により,奥行きが激しい物体であっても正しく奥行きの推定が行え,提案手法の有効性を確認した.

本報告では,近赤外モノクロ顔画像から可視光カラー顔画像への回帰分析を行い,未知の近赤外モノクロ顔画像に対応する可視光下でのカラー顔画像を生成する手法を提案する.モノクロ画像では,同じ輝度値に対応するカラー画像は,一つではないため,単一の回帰計算によるカラー化は実現できない.例えば,メラニン色素が多い部分と唇のようにヘモグロビンの多い部分では,モノクロ画像で同じ輝度値であっても,カラーでは異なる複数の色に対応付けられ得る.特に長波長光はメラニン色素で吸収されにくいため,近赤外画像では,目の虹彩部分は可視光と比べて明るく写されてしまう.本報告では,画素の輝度値と位置に基づいて大まかな顔の部分を決定し,その内部を更に分割して,回帰係数を求め,それを用いて回帰計算を行うことで,モノクロ顔画像に対する着色計算を行う方法を提案する.回帰計算を行う領域については,あらかじめ学習データから求めておいた顔領域テンプレートを用い,さらに内部を輝度値に応じて分割する,二つの段階に分けてこれを推定する.実験では,提案手法と,段階を分けずに顔の部分を推定する手法とを比較し,提案手法の有効性を示す.

我々は, SIFTやSURFなとの画像の局所特徴量を用いた画像検索システムをFPGA上に構築するためのプロトタイプを設計している.この設計てはBag of Features(BoF)などのコードブックを用いた特徴記述を行うことは煩雑であるため,局所特徴量そのものを用いた画像検索を行う.この際,一枚の画像を特徴付けるキーポイントか満たすへき条件としては, 1)他の画像には含まれない弁別性の高い局所特徴量を持つこと, 2)画像の回転やスケール変化等の変換を受けても検出されやすいこと,という2つが重要である.これらの条件を満足する少数のキーポイントを用いて登録する画像を記述しておけば,省メモリかつ高速で,しかもロバストな画像検索が行えるはずである.このようなキーポイントを抽出するためにDiverse Densityを用いたキーポイントの絞込み法を提案する.実験では, 1枚の画像を10個のキーポイントで記述するものとし,ランダムに選んだキーポイントよりも,提案手法で選んだ10点のほうが圧倒的に安定な検索が行えることを確認した.

インターネット上の画像検索を利用して，物体の見えの学習を行うことができれば，テキストを与えるだけで現実世界での物体の探索が行えるようになる．しかし，現実の画像検索結果は，対象以外の無関係なものを含むため，画像内での対象のローカライズが必要になる．本報告では，この問題を，複数の画像群から共通対象を検出するCo-segmentationの問題であると捉え，Multiple-InstanceLearning(MIL)の考え方を取り入れて，この問題を解く方法を提案する.具体的には,過剰分割した画像領域から抽出した特徴量に対して求めたDiverseDensity(DD)の値を利用して前景・背景モデルを構築し，離散最適化によって，各画像で共通する領域の検出を行う．この際に通常のDDを計算したのでは，前景におけるDDの値が低下するために，Co-segmentationに適した新たな尺度を導入する．iCoseg databaseを用いた実験では先行研究に比べ高いセグメンテーション精度が得られ，本手法の有効性が確認できた．Appearance learning of an object represented by a text can be realized by utilizing image retrieval systems on the Internet. This enables us a real-world object search system, which searches real object providing a text representing the object. Images collected by an image retrieval system, however, cannot be used for appearance learning, because the object locations and sizes are not uniform among collected images. That is, object localization in each image is required. This problem can be taken as a co-segmentation problem extracting common object among images, and we propose a method based on Multiple-Instance Learning (MIL) framework. Our method consists of two parts, foreground-background modeling and dis crete optimization to obtain object regions. Foreground-background modeling is to compute Diverse Density (DD) for exces sively partitioned image regions, where original DD represents similarity among positive features and dissimilarity between negative features. In our method, we slightly modified the DD definition to fit the co-segmentation problem. Experimental results using iCoseg database demonstrates higher accuracy of our method than other methods.

位相シフト法は，最低３枚の画像を解析するだけで，画像全体の三次元形状をサブ川単位の分解能で計測できる手法である．しかしながら，各画素で求められる位相は，奥行きを幾つかの周期に区分した内部での奥行きに対応付けられるため，各位相情報が何周期目の区分の中での奥行きかを求めない限り，一意に奥行きを決定できない．これを補うために，各位相が何周期目の位相かを決定する「位相接続」問題を解かなければならない．本論文では，この問題を離散最適化問題として定式化し，BeliefPropagationを用いて解くことにより，奥行きの推定を行う．特に，以前は相対的な形状を求めるために，平滑化項のみを用いた離散最適化を行なってきたが[1]，今回は投光パターンを工夫することにより，幾つかの点で絶対的奥行きを表すデータ項を求め，これを用いて奥行き推定を行う手法を提案する．実験により，奥行きが激しい物体であっても正しく奥行きの推定が行え，提案手法の有効性を確認した．Phase-shift 3-D measurement is a very accurate depth measurement method that can measure the depth in submicrometer order by analyzing at least 3 images. The resolution is very high, however, the depth is initially estimated as a phase value in a certain depth period, which corresponds to a depth interval. For estimating the absolute depth from the phase information, we have to determine the order of the depth period. This problem is called "phase unwarping" problem. Popular solution of phase unwarping requires additional light projections and observations, which reduce the temporal resolution of the depth measurement. This report formalizes the phase unwarping as a discrete optimization problem. The problem is solved by the belief-propagation. Our previous method only uses smoothness-term in the formalization, however, this report presents a method to use data-term at some pixels by modifying the projection light pattern. Through experiments, we confirmed that the depth reconstruction is successfully done for a "steep" object whose depth spatially changes within a small position change.

我々は，SIFTやSURFなどの画像の局所特徴量を用いた画像検索システムをFPGA上に構築するためのプロトタイプを設計している．この設計ではBag of Features(BoF)などのコードブックを用いた特徴記述を行うことは煩雑であるため，局所特徴量そのものを用いた画像検索を行う．この際,一枚の画像を特徴付けるキーポイントが満たすべき条件としては，１）他の画像には含まれない弁別性の高い局所特徴量を持つこと，２）画像の回転やスケール変化等の変換を受けても検出されやすいこと，という２つが重要である．これらの条件を満足する少数のキーポイントを用いて登録する画像を記述しておけば，省メモリかつ高速で，しかもロバストな画像検索が行えるはずである．このようなキーポイントを抽出するためにDiverse Densityを用いたキーポイントの絞込み法を提案する．実験では，１枚の画像を１０個のキーポイントで記述するものとし，ランダムに選んだキーポイントよりも，提案手法で選んだ１０点のほうが圧倒的に安定な検索が行えることを確認した．We are planning to construct an image retrieval system using FPGA. For designing this system, we developed a prototype system, which retrieves the image having maximum number of matched local image features with a query image.The reason why we don't use Bag of Features (BoF) is that codebook referencing may consume considerable time and computational resources on FPGA. For this purpose, the local features describing a stored image should satisfy the following conditions: 1) they should have strong discrimination power from other images, 2) they should be robust against observation distortions including rotation, scaling, and so on. In order to maximize the number of stored images, the number of local features describing a stored image should be minimized. For selecting such "good local features" from all local features, we propose a method based on Diverse Density. In the experiment, we confine the number of local features describing a singleimage to 10, and our method outperforms other local feature selection methods.

本報告では，GaussianProcessRegression(GPR)の枠組みを用いてベクトル値の出力を推定する手法を提案する．ＧＰＲは出力の期待値と分散を推定する非線形回帰手法である．基本的なＧＰＲで推定できる出力の期待値はスカラー値であり,ベクトル値を推定する際にＧＰＲを出力次元の回数だけ実行しても各出力次元間の共分散は推定できない．本手法では，我々が先に提案したActiveSetの動的紋込みを利用し，ベクトル出力の期待値とその共分散の推定を行う．ActiveSetの動的絞込みは，入力データをキーとして，出力の推定に必要な事例集合を動的に決定する方法である．各事例は，入力と出力のペアから構成されており，ActiveSetの出力部を利用することで，共分散行列の推定を行うことが出来る．実験では，提案手法を人工的なデータとプラントデータに適用し，提案手法の有効性を確認した．This report presents a method to estimate vector outputs in the framework of Gaussian Process Regression(GPR) . GPR is a non-linear regression method based on input-output examples. Since basic GPR estimates an output consisting of scalar mean and variance, multiple executions of GPR cannot estimate covariance between vector components.Our method estimates both vector mean values and covariance matrices based on our previous method Dynamic Active Set (DAS). Active set is the set of examples consisting of input and output pairs. DAS automatically construct an active set suitable for estimating the output for given input. Our method estimates covariance matrix from the output components of the Active Set obtained by DAS. Experimental results for artificial and real datasets demonstrate the soundness of our method.

局所特徴量に基づく顔画像検索は，高速でありオクルージョンにも頑健であるが，照明変化によってキーポイントの検出漏れが発生するため，特徴記述が不安定になる．この問題に対処するには，モデルを用いたトップダウン的なキーポイント検出が有効であると考えられる．しかし，人間の先見的知識に基づいてこれらのモデルを構築した場合，必ずしも実際の画像とは一致しないため，実際のデータからボトムアップ的に画像の局所特徴量に基づくモデルを構築しなければならない画像の局所特徴量の共通性を評価する尺度として，Multiple lnstanceLeaming(MIL）で用いられるDiverse Density(DD)がある．これを用いれば，非顔画像から抽出したネガティブデータから遠く，顔画像から抽出したポジティブデータと近い局所特徴量が抽出できる．しかし，実際の人物顔画像は顔器官の空間的配置や，メガネや髭など，変化に富み，全ての顔画像について積の形で表現されるDDの値を計算したのでは値が小さくなり，共通性の高い顔特徴は検出できない．本報告では，この問題を解決するために，DDの期待値をスコアとして，顔画像集合を階層的にクラスタリングしながら，局所特徴量のモデルを構築する方法を提案する．実験では，CASPEALの顔画像1021枚を対象として提案手法を実行し，複数の顔モデルの抽出が行えることを確認した．Face image retrieval based on local features has advantages of short elapsed time and robustness against the occlusions. However, the keypoint detection, beforehand with the feature description, may fail due to illumination change. For solving this problem, top-down model-based keypoint detection must be effective, where man-made face model does not fit for this task. This report addresses the problem of bottom-up face model creation from examples, which can be formalized as common local feature extraction among examples. For this purpose, a measure called Diverse Density (DD) established in the field of Multiple Instance Learning (MIL) can be applied. DD at a point in a feature space represents how the point is close to other positive examples while keeping enough distance from negative examples. Because of this this property, DD is defined as a product of metrics, which can easily be affected by exceptional data, i.e., if one negative data leaps into the neighbor of apositive example, the DD around there becomes lower. Actually, face images have wide variations of face organs' positions,beard, mustache, glasses, and so on. Under these variations, DD for wide varieties of face images will be low at any point in the feature point. For solving this problem, we propose a method performing hierarchical clustering and common feature extraction simultaneously. In this method, DD score is employed as a measure representing the integrity of the face image set,and hierarchical clustering is performed by merging the cluster pair having maximum DD score. Through experiments on 1021CASPEAL face images, we confirmed that multiple face models are successfully constructed.

本報告では，Kinectによって得られる深度画像のみを用いて，首振りによる対象の能動追跡を行うシステムおよび方法について述べる．これは，Kinectの側から見ると，人物検出やポーズ推定などを高速かつ安定に行うソフトウエアライブラリが使えるにもかかわらず，人物が観測範囲から出てしまうとその機能が使えなくなることを補うことになる．また，能動追跡の立場から見ると，屋内であれば照明の強弱にかかわらず，完全な暗闇でも追跡が行えることを意味している．単眼およびステレオカメラなどでは，回転による運動視差が発生しない「視点固定型」のカメラを用いた能動追跡が２次元画像平面上での対象位置のみで回転角が決定できるため有利である．しかし，Kinectでは３次元情報が直接得られるため，深度カメラの光学中心と回転中心の位置関係が分かっていれば，視点固定型の構成に剃る必要はない本稿では，まずこのキャリブレーション法について述べる．次に，３次元空間中での点群をmeanshiftによって追跡する手法について述べる．この手法は，３次元の窓関数を用いるため，物体が凸であり周辺に他の物体が存在しない限り，安定な追跡を実現することが出来る．次に，より詳細な３次元形状に基づく追跡アルゴリズムの例としてspmimageを用いた追跡方法，Ｐ、制御の方法について述べ，実験結果から，対象形状やタスクによって，どのような追跡手法が適しているかについて述べる．This paper presents an active tracking system that only uses depth image taken by Kinect. From the view point of Kinect,flexible software libraries including human detection and human-pose estimation cannot be applied when target people go outside of the viewing area, and the active tracking system solve or relax this problem. From the active-tracking -system viewpoint, different from other cameras, Kinect can take depth image in indoor scene independent of illumination conditions. This implies that the tracking system can keep tracking even in complete darkness. For single camera tracking system, Fixed Viewpoint Camera (FVC) setting, which does not change the 3D viewpoint under rotation, is useful for active tracking, because the rotation angle to keep target inside the image frame can directly computed from the 2D image position on the image plane. In the case of Kinect, however, we don't have to use FVC settings if we know the relative viewpoint position from the rotation center, because 3D positional information is directly obtained from the sensor. First, we present the calibration method to know the relative position. Next, we present a 3D blob-tracking method based on mean-shift. Since this method uses 3D window function, the object separability from its background and the stability are both good when the target shape is roughly convex. As a tracking method using more precise 3D model, this paper also presents spin-image based tracking algorithm. Through the experiment,we discuss what method should be used for specific tasks.

本稿では幾何制約付INi-HOGとNFTG(Nearest First Traversing Graph)を使って夜間歩行者を検出する方法を提案する.歩行者候補領域の検出段階では、安定に消失線を求めるために、路面内の白線等の直線情報に基づいて,ハフ変換とパーティクルフィルタから消失点を検出する方法を導入する.近赤外線画像用のHOG(Ni-HOG)を高速に計算するために、lntegral-Ni-HOG(TNi-HOG)を提案する.消失線とカメラパラメータからINi-HOGの探索位置とサイズを導出でき,高速処理かつ誤検出が抑制することが可能になる.歩行者候補領域の検証段階では、人物輪郭モデルとのハウスドルフ距離を計算する方法を採用する.多数の人物輪郭モデルとの距離計算回数を最小限にするために、NFTGを用いたモデル間のグラフ化を提案する。実画像を用いた実験結果より,従来手法(HOG)と先行研究と比較し,提案手法を用いた場合,誤検出を約半分まで抑えながら,処理速度が約15倍速くなることを確認した.

本稿では幾何制約付 INi-HOG と NFTG (Nearest First Traversing Graph) を使って夜間歩行者を検出する方法を提案する．歩行者候補領域の検出段階では、安定に消失線を求めるために、路面内の白線等の直線情報に基づいて，ハフ変換とパーティクルフィルタから消失点を検出する方法 [15] を導入する．近赤外線画像用の HOG(Ni-HOG)[14] を高速に計算するために、Integral-Ni-HOG（INi-HOG） を提案する．消失線とカメラパラメータから INi-HOG の探索位置とサイズを導出でき，高速処理かつ誤検出が抑制することが可能になる．歩行者候補領域の検証段階では、人物輪郭モデルとのハウスドルフ距離を計算する方法 [14] を採用する．多数の人物輪郭モデルとの距離計算回数を最小限にするために、NFTG[7] を用いたモデル間のグラフ化を提案する。実画像を用いた実験結果より，従来手法 (HOG) と先行研究 [14] と比較し，提案手法を用いた場合，誤検出を約半分まで抑えながら，処理速度が約 15 倍速くなることを確認した．This paper proposes a method for detecting pedestrians on the road in night view using HOG, NFTG and the geometric constraints that pedestrians stand or walk on the road. The vanishing point of the road is estimated from the white lines on the road using particle filter and Hough transform[15]. The vanishing point is used to predict the size of the pedestrian when whose position is given, thus brings the effect of reducing the processing time and the false detection. A new method called "Integral-Ni-HOG" (or INi-HOG) for calculating HOG for near-infrared images fast is proposed. The Hausdorff distance between the pedestrian candidate regions and the pedestrian model[14] is used for the verification of each pedestrian candidate region in the image. NFTG[7] is used to describe the relations between each pedestrian model in order to reduce the number of times of pedestrian models being used for verifying each pedestrian candidate region. The experiments using real images show that this method is 15 times faster and the false detection rate is lowered by more than 50% compared the conventional method[14] based on HOG.

我々は，プラントに取り付けられたセンサ情報から，プラントの異常や故障等の予兆を検出する方法として，事例ベースの内挿計算法である Gaussian Processes を用いた手法を提案している．Gaussian Processes は，出力の期待値だけでなく，標準偏差も同時に推定することが出来るという特長を有している．しかし，センサ信号の異常さは，瞬時的に現れる場合と，比較的長期間の趨勢として現れる場合がある．長期間の分析のために入力ベクトルの次元数を増加させると，精度を保つために必要な事例数が急激に増大するため，可用性が著しく低下する．この問題に対処するために，時間軸方向に可変窓幅で信号を平滑化する多重時間解像度解析を導入した異常予兆検出法を提案する．この手法により，様々なスケールで起きる異常の予兆をより確実に検出できるようになる．We have been proposed a pre-fault detection system based on Gaussian Processes (GP). The advantage of GP based pre-fault detection is that it can estimate not only the estimated output but also the standard deviation of the output. However, the anomaly can sometimes be detected as short-term phenomena and sometimes as long-term tendency. If we simply apply GP to high-dimensional vectors sampled within wide temporal window, the method requires huge number of training samples to keep the sensitivity and the accuracy. This is because GP is an example based non-linear regression method. For solving this problem, we introduce a multi-resolutional analysis along temporal axis that produces multiple signals with different smoothing windows from a single signal. By applying our GP based pre-fault detection method to these multi-scale signals, we can realize a versatile and reliable pre-fault detection system.

我々は,プラントに取り付けられたセンサ情報から,プラントの異常や故障等の予兆を検出する方法として,事例ベースの内挿計算法であるGaussian Processesを用いた手法を提案している.Gaussian Processesは,出力の期待値だけでなく,標準偏差も同時に推定することが出来るという特長を有している.しかし,センサ信号の異常さは,瞬時的に現れる場合と,比較的長期間の趨勢として現れる場合がある.長期間の分析のために入力ベクトルの次元数を増加させると,精度を保つために必要な事例数が急激に増大するため,可用性が著しく低下する.この問題に対処するために,時間軸方向に可変窓幅で信号を平滑化する多重時間解像度解析を導入した異常予兆検出法を提案する.この手法により,様々なスケールで起きる異常の予兆をより確実に検出できるようになる.

位相シフト法は，比較的少数の画像の解析のみで高精度な形状計測を行うことが可能である．しかしながら，投影した格子パターンの位相が何番目の周期に含まれるかを求めないと物体全体の三次元形状の計測を行えない問題がある．本論文では，この問題を離散最適化問題として定式化し，Belief Propagation（信念伝搬）法を用いて解くことにより，位相接続を行う方法を提案する．本手法では，計測物体の絶対的な奥行きではなく，各点の周期を決定することで滑らかな三次元形状を計測することを目的にしている．

本論文では，インターネットの画像検索を用いて集められた画像群において，個々の画像上に写る対象の領域を推定する手法を提案する．提案手法では，複数の画像間で共通する特徴を合意(consensus)として形成し，そのconsensusに最もマッチする領域を各画像の中から特定(localize)する．そして各画像でlocalizeされた領域の特徴をもとにして再度consensusを形成する，という一連の手続きを反復する．領域形状としては楕円を用い，同心楕円周上の輝度値に対するフーリエ変換によって特徴抽出を行う．また領域パラメータの探索にはMCMC法を用いる．実験により，比較的単純な画像群では対象の画像内領域をある程度推定することができ，提案手法の有効性が確認できた．

本論文では,ノルムを使用する様々なビジョンアルゴリズムにおいて,ノルムの選定がどのような影響を及ぼすかを,2つの例をあげて議論する.特徴ベクトルや画素値等,ある2つのベクトルの差異を測る尺度として,しばしばL_pノルムが用いられる.例えば,p=0の場合,(0^0≡0と考えれば)差分ベクトルの非零要素の数,p=1の場合は市街地距離,p=2はユークリッド距離となる.これらのノルムの特性が異なるため,同じアルゴリズムでも,ノルムを変えることによってその処理結果が大きく異なることがある.本論文では,「Bag-of-featuresを用いた類似画像検索問題において検索されやすい画像と検索されにくい画像がなぜ発生し,どうすれば解消できるのか」という問題と,「平滑化項に隣接画素値の差の絶対値和を使用する離散最適化を用いたノイズ除去アルゴリズムで,なぜ,画素値が階段状に変化し,どうすれば滑らかな画像が推定できるか?」という2つの問題を例に,ノルムの選択の重要性について議論する.

プラントや生体,乗り物などのシステムに取り付けた複数のセンサ出力をもとにして,システムの異常を検出する手法として,Stephan W. Wegerichらが提案したSimilarity Based Modeling (SBM)がある。この手法は,高感度な異常検出器を構築するために必要な本質的技術であり,その特許も成立している.本報告では,まず,この手法以前に存在していた非線形回帰アルゴリズムの一つであるGaussian processes (GP)を用いて異常検出アルゴリズムを構成した場合,カーネル関数を類似度とみなせば,SBMがGPを使った異常検出の特殊ケースとなることを示す.この解釈から,GPは事例ベースの非線形回帰計算法であることが分かり,その解釈に基づいて,動的にグラム行列を構築ながら出力値の分布を推定できる異常検出手法を提案する.この手法を実際のプラントに適用し,異常の予兆現象を捉えることに成功した.

本報告では,プラントに取り付けたセンサの出力(センサ情報)をもとにして,異常やその兆候を検出する手法を提案する.センサ情報に含まれる異常には,1)複数センサの出力値の組み合わせの異常(統計的異常),2)各センサ出力の時間的変化の異常(時系列異常),の2つがあり,これら両方を分析しなければ異常の検出感度を十分高めることができない.また,通常のプラントでは,運転・停止など,センサ情報に急激な変化をもたらす人為的操作を伴うため,これとシステムの異常とを区別する必要がある.我々はすでに,独立成分分析と線形予測とを組み合わせた異常検出法を提案しているが,この手法では人為的操作が起きた時刻を認識しマスキングしているため,操作中に起きた異常は検出できないという問題点があった.本報告では,非線形予測アルゴリズムの一つであるGaussian processesのトレーニングおよび運用方法を工夫することで,統計的異常と時系列異常の両者を統一的に扱いつつ,人為的操作に対する頑健性を持つ異常検出が実現できることを示す.実験では,実際のプラントのデータを解析し,異常および予兆の検出が行えることを示す.

ディスプレーを観測する人物の目の 3 次元位置が計測できれば，視点位置に依存した映像を提示することで，運動視差を作り出すことができ，3 次元物体の表示を行うことができる．我々は,能動ステレオカメラを用いて眼の位置を計測する方法を提案したが，この方法では装置が高価になってしまうため，一般に普及することは困難である．そこで，本研究では頭部に装着したカメラでディスプレーの矩形を観測し，この矩形の変形から実時間でカメラの位置と向きを計測する方法を提案する．この方法では，首振り機構を持たない単眼カメラのみでディスプレーを観測している際のカメラの位置・姿勢が計測できるため安価なシステムが構築可能である．ディスプレー枠の計測には位相計算型の勾配ベクトルを用いた Particle Filter を用いており，安定性と高速性の両者を同時に達成している．By using 3D position information of human eyes watching computer display, we can realize viewpoint dependent image displaying, i.e., motion parallax generation, which enables us popup displaying of 3D contents. We already developed a 3D displaying system using active stereo camera measuring 3D eye position. However, this system requires expensive equipments, such as, stereo camera, pan-tilt unit, rotary encoders, and so on. For making this 3D displaying method popular, we have to have a cheaper device that measures 3D eye positions. In this research, we use a head-mount camera observing LCD display frame. That is, we can estimate the head-mount camera position and orientation from the deformation of the display frame on the image. This method does not require pan-tilt unit, because the computer operator watches the display from any viewpoints and the head-mount camera captures the display frame. When the operator does not watch the display, we don't have to know the viewpoint position and orientation. In our implementation, we employed phase based gradient estimation for fast and robust implementation of particle filter..

本論文では，劣化画像を対象とした検索・照合の問題に適した画像間の相違性尺度を提案する．これまで，陰影の変化，遮蔽，ボケやブレ，解像度低下などの劣化に左右され難い検索・照合を実現するために，劣化の影響を受け難い特徴を使用することが研究されてきた．しかし，全ての劣化に対する不変特徴は存在せず，使用する特徴だけで劣化の影響を除去することはできない．本研究では，特徴ではなく相違性尺度を変更することによって，この問題を解決する方法を示す．劣化の多くは 「画像を直交展開した際の項の欠落」 によってモデル化することができる．このモデルの下では，欠落の起きていない部分の展開係数が一致すれば，劣化画像は比較した画像に近いと言える．この考えに基づき，まず，任意の直交展開に対して 2 枚の画像の展開係数の一致数ができるだけ多くなるように劣化画像の輝度値を調整する．次に，一致する要素が多いベクトル対に対してより小さい評価値が与えられる尺度を，上記の輝度調整された画像の展開係数ベクトルの組に適用する．このようにして得られた画像間相違度を用いた実験を通じて，提案する相違度により照合精度が，正規化相互相関を用いる場合よりも大幅に向上する事を確認した．This paper presents a set of dissimilarity measures suitable for image retrieval and matching tasks with degraded query images. For those applications, many works employ degradation invariant features. However, no feature can be invariant to all possible image degradations. In this paper, we focus on image dissimilarity measures rather than image features. A dissimilarity measure can be defined by answering two questions: "where to be measured between two image vectors" and "what metric to be used". Most image degradations can be modeled by partial masking of orthogonal image expansion coefficients. Under this model, the number of mismatching coefficient pairs can be a dissimilarity measure. Then, we first propose a method for adjusting coefficient vector magnitude so as to maximize the number of matching coefficient pairs. Next, by applying those measures proportional to the number of mismatching coefficients to the magnitude adjusted image pairs, we can define a degradation tolerant dissimilarity. Through extensive experiments, we confirmed that the matching rates by our measures are much higher than that of normalized correlation for image retrieval.

記事種別: 特集

近年では，特徴空間でのクラスタリングと画像空間での離散最適化を反復的に行い，各画素に最適なクラスタ中心値を割り当てる領域分割手法が提案されている．この方法は，特徴空間と画像空間の統合処理というだけでなく，新しい領域分割の枠組みへの見通しを示唆している．しかしながら，この方法は安定性と高速性に課題がある．この問題を解決するために，本研究では，特徴空間の分割と画像空間における離散最適化を行う方法を提案する．提案手法では，特徴空間の分割と Belief Propagation による最適化をいずれも階層的に行う．さまざまな画像を用いた実験では，精度と速度の観点で従来手法に対する有効性を確認することができた．Recently, a new image segmentation method has been proposed, that iteratively performs clustering in the feature space and discrete optimization in the image space, which assigns optimal cluster center values to pixels. This method provides us a vistas on novel image segmentation framework as well as a unified processing both in feature and image spaces. Unfortunately, this method has problems on stability and processing speed. For solving this problem, we propose a method that performs feature space partitioning and discrete optimization in the image space. The optimization by Belief Propagation and the feature space partitioning are done both in hierarchical manner. Through extensive experiments, we confirmed that our method performs better than existing method both in terms of accuracy and speed.

本報告では,劣化画像を入力とする検索・照合の問題に適した画像間の相違性尺度を提案する.SIFTなどの局所特徴量はブレやランダムな欠損など大域的な劣化の影響を受けやすく,劣化画像から原画像と同じ局所特徴量を安定に抽出することはできない.このため,画像間の対応する画素値を比較することによって,相違性尺度を求めざるを得ない.画像の劣化を「画像を直交展開した際の項の欠落」とみなしたとき,欠落の起きていない部分の展開係数が一致すれば,比較した画像は劣化画像に近いと言える.この考えに基づき,まず,任意の直交展開に対し展開係数の差分ベクトルの0要素ができるだけ多くなるように画像の差分を求める方法を示す.L2ノルムが一定であっても0要素が多いベクトルをより小さく評価する複数の尺度を,上記の画像聞差分ベクトルに適用することで得られる画像間相違度が,本報告で提案する尺度である.実験を通じて,提案する尺度によりExtended Yale B Face database (subset 4)に対するSQI画像の照合精度が,正規化相互相関を用いる場合の倍以上に向上することを確認した.

雑誌や書籍等の両面印刷された文書をスキャンする際裏写り(ショースルー:Show-through)によって鮮明な画像を得ることができないことがある.ショースルーは紙が完全に不透明ではないために裏面の情報が表面(スキャンしたい面)にも見えることであり,この問題を解決するために様々な研究が行われてきた.文書の表面と裏面の情報は互いに独立であるため,独立成分分析(ICA)で表裏面の画像の分離が行えると考えられるが,位置合わせされた両画像の背景色の頻度が極端に高いため,ICAを単純に適用すると,表裏面の画素値ペアの2次元分布(濃度分布)に著しい偏りが生じるため,正規分布を仮定したWhiteningの段階で分布の無相関化に失敗し,正しい表裏面画像は得られない.本報告では,文書の両面スキャン画像から得られる,画素値ペアの2次元分布に対してクラスタリングを行い,明示的に表裏面の輝度値の独立性が成立するように各クラスタに対して幾何学的変換を行うことによりショースルーを除去する手法を提案する.実験では提案手法を用いてショースルーを除去できることを確認した.

最近傍探索の研究においては，「次元の呪縛」 と呼ばれる現象が問題を困難にしてきた．この現象は，数学的に厳密に定義されていないが，「蓄積されるデータの分布の次元が一定の値を超えると，いかなるアルゴリズムでも全探索と等価になる」 という現象である．最近傍探索研究の歴史は，これを解決するために行われてきたと言っても過言ではない．これまでに数々の研究がなされてきたが，次元の呪縛が解けたという報告はこれまでになく，近年はこの現象を回避するための 「近似最近傍」 を探索する研究が盛んにおこなわれるようになってきた．本チュートリアルでは，近似を含むものと含まないもの両方について高速な最近傍探索アルゴリズムの解説を行う．その後に，果たして次元の呪縛を解くことが可能であるか否かについて再度検討を行う．The phenomenon so called "curse of dimensionality" makes the Nearest Neighbor (NN) search problem difficult and attractive. Without this phenomenon, NN search is just a boring problem. One-NN search problem is to find the closest pattern to a given query, and k-NN search is to find k-closest patterns. For solving these problems, so many accelerated algorithms have been proposed. However, the curse tells us that every accelerated NN search algorithm becomes linear (exhaustive) search when the stored data form a high dimensional distribution. Researchers who tackled this problem are sometimes regarded as daydreamers, because they fought with an unbeatable ghost. Recently, they changed their mind to stop this straight forward fighting. Instead, they are focusing on approximate NN search, which does not face the phenomenon. In this tutorial, some typical exact and approximate NN search algorithms are introduced, and we revisit the phenomenon, "curse of dimensionality" so as to solve this problem.

高次元ベクトル間の写像を単純な回帰計算で求めた場合，学習サンプル数よりも入力次元数が高い場合に多重共線性の問題が生じる．この問題を解決するために我々は学習サンプルの共分散行列から計算される Mahalanobis 距離を最小化する写像法 M3 を提案した．本来，共分散行列が正則でない場合には正確な Mahalanibis 距離が計算できないか，M3 はこの点を解消し共分散行列が非正則の場合でも安定に写像を計算することができる．本論文では，M3 を拡張し，2 次元主成分分析を用いた写像計算法を提案する．2 次元主成分分析を用いることで，短時間での学習，写像計算が可能となる．画像の欠損修復の実験を通して2次元主成分分析の性質を明らかにし，提案手法の有効性を議論する．This paper presents a regression method, two-dimensional Mahalanobis distance minimization mapping (2D-M3), which is an extention of Mahalanobis Minimization Mapping : M3. M3 is a regression method between very high-dimensional input and output spaces based on Mahalanobis distance minimization criterion. Unlike the original M3, 2D-M3 directly extracts the features from image matrix rather than matrix-to-vector transformation. Because of this, 2D-M3 is much faster than original M3 without consuming much memory. We demonstrate the effectiveness of M3 through extensive experiments on a face image inpainting task.

最近傍探索は事例ベース画像処理・解析などに用いられる重要な処理であるが，高次元空間での最近傍探索の高速化は困難である．このため，近年，近似最近傍を求めることによって探索の高速化を図るという方法が研究されている．従来から，木探索を用いた最近傍探索に許容誤差を導入した Approximate Nearest Neighbor (ANN) や，ハッシュ型の Locality Sensitive Hashing (LSH) がよく知られている．特に LSH は，探索精度と探索時間の関係が明確であり，近年特に注目を集めている．このLSHを，格納するデータの分布を利用した PrincipaI Component Hashing (PCH) は，p-stable LSH よりもさらに高速であり，格納されたデータから離れた部分にクエリが与えられても探索に失敗することがないという利点がある．しかし，従来の最近傍探索法はメモリ上にデータを展開してから探索を行うため， 1) 起動から探索開始までに要する時間が長い， 2) 扱うデータベースがメモリに乗らないほど大きなサイズになると探索が行えない，等の問題がある．そこで本研究では，PCH で扱うデータのハッシュ値をB+ 木の構造を持つファイルに格納することにより，主メモリではなく補助記憶装置の上で近似最近傍探索を行う手法を提案する．これにより，メモリに乗らないほど大きなデータベースでも探索が行え，しかも OS のメモリキャッシュ機能により，類似したクエリに対しては探索を繰り返すほど高速になることを確認した．Nearest Neighbor (NN) search plays important roles in example-based Computer Vision algorithms. Accelerating NN search in very high-dimensional space, however, has a limitation, because of curse of dimensionality. For avoiding this problem, approximate NN search algorithms have been proposed. The most popular one is ANN which is basically a kd-tree based search algorithm with a feasible error. Recently, Locality Sensitive Hashing (LSH) is getting highlighted, because of its theoretical basis providing a clear relationship between the accuracy and the computational complexity. An improved hash based search algorithm, Principal Component Hashing (PCH), has been proposed, which is faster than ANN and LSH at the same accuracy without producing any search failures. However, most NN search algorithms share the limitations that 1) start-up time is mainly consumed for loading the data onto the memory, and 2) NN search for huge data cannot be executed, because the main memory size is limited. For solving this problem, we propose an external NN search algorithm which directly finds the approximate NN data on HDD based on PCH algorithm. The basic idea is simple. By replacing the hash bins on a projection axis by a file having B+ tree structure, we can realize memory efficient PCH which works on HDD. In the experiment, we confirmed that the algorithm can perform NN search on huge database, which cannot be loaded on main memory. Also, we noticed that the search algorithm gains unexpected acceleration by the cashing mechanism of Linux operating system that frequently accessed data on HDD is kept on the memory.

This paper brings out a robust pixel-wise object tracking algorithm which is based on the K-means clustering algorithm. In order to achieve the robust object tracking under complex condition (such as wired objects cluttered background) a new reliability-based K-means clustering algorithm is applied to remove the noise background pixel (which is neigher similar to the target nor the background samples) from the target object. According to the triangular relationship among an unknown pixle and its two nearest cluster centers (target and background) the normal pixel (target or background one) will be assigned with high reliability value and correctly classified while noise pixels will be given low reliability value and ignored. A radial sampling method is also brought out for improving both the processing speed and the robustness of this algorithm. According to the proposed algorithm we have set up a real video-rate object tracking system. Through the extensive experiments the effectiveness and advantages of this reliability-based K-means tracking algorithm are confirmed.This paper brings out a robust pixel-wise object tracking algorithm which is based on the K-means clustering algorithm. In order to achieve the robust object tracking under complex condition (such as wired objects, cluttered background), a new reliability-based K-means clustering algorithm is applied to remove the noise background pixel (which is neigher similar to the target nor the background samples) from the target object. According to the triangular relationship among an unknown pixle and its two nearest cluster centers (target and background), the normal pixel (target or background one) will be assigned with high reliability value and correctly classified, while noise pixels will be given low reliability value and ignored. A radial sampling method is also brought out for improving both the processing speed and the robustness of this algorithm. According to the proposed algorithm, we have set up a real video-rate object tracking system. Through the extensive experiments, the effectiveness and advantages of this reliability-based K-means tracking algorithm are confirmed.

本論文では、対称SIFT特徴量を提案する.対称SIFT特徴量とは、SIFT特徴量記述の際に特徴点の周辺領域の座標系を正規化して得られる特徴量である.対称ペアである特徴点間の類似度評価が可能となり,擬似的に対称性平面物体のアフィン変換にも対応する.提案手法では,対称SIFT特徴量とスケール情報を用いて,一枚の入力画像から対称性平面物体の検出を行う.提案手法の有効性を,複数枚の実物体を用いた実験で確認した.

データベース中から入力に対して最も距離の小さいデータを探索する最近傍探索アルゴリズムは,固定次元ベクトルで表現できるデータに対して,距離の公理を満足する尺度を用いた場合にしか適用できない.このような条件を満足しない指紋の照合問題などでは,類似度を最大化するデータを検索する最大類似度探索が用いられる.この手法については,従来様々な方法が研究されてきており,前田らの提案したマッチングスコア行列を用いた最大類似度探索法は高速性と精度の両面で優れた性能を持つことが知られている.ただし,このマッチングスコア行列は,登録したデータ間のマッチングスコアを全て記憶するものであり,データ数の2乗のオーダのメモリを消費するため,数十万個のデータを記録し,最大類似度探索を行うことはほぼ不可能である.本研究では,不定次元パターンを独立性の高い複数のパターンとのマッチングスコア行列を用いて固定次元ベクトル化し,さらにわれわれの提案しているPrincipal Component Hashingと組み合わせることにより,高速な最大類似度探索を実現する方法を提案する.実験を通じて,この提案手法がマッチングスコア行列のサイズを小さくし,高速かつ高精度な最大類似度探索が行えることを実証する.

本稿では,個数が未知の対象に対して,EMアルゴリズムに基づきその個数を推定しながら画像中の対象を検出・追跡する方法について述べる.EMアルゴリズムは,観測データに対して複数の分布モデルを当てはめる手法である.背景差分により画像から検出した変化画素を観測データとし,各検出対象を分布モデルと見なすことで複数対象の検出・追跡に応用することができる.さらに,MDLを用いて分布モデルの複雑さとデータへの当てはまりの良さを評価することにより,個数推定を同時に行う方法も提案されている.しかし,単純なEMアルゴリズムとMDLの組み合わせでは,EMアルゴリズムの初期値依存性や対象の近接,立ち位置の違いによる対象の見かけの大きさが変化する等の影響を受け,個数推定が正しく行えないケースがある.そこで,本研究では各対象領域の大きさや形状は画像中の位置と強い相関があることに着目し,正規分布の中心座標に対する共分散行列パラメータの関係を5次元空間内の超平面として学習し,この平面内で分布のパラメータを推定することで,個数推定を安定化することができる事を実験を通じて示す.

本論文では,K-means trackerにおいて,より安定かつ高速に対象を追跡するために,クラスタリングに都合の良い非ターゲットクラスタ中心の数と配置を適応的に求める方法について述べる.提案手法では,K-means trackerにより求められたサーチエリア楕円の輪郭上の画素を走査し,ターゲット,非ターゲットクラスタ中心までの距離をもとに,追跡に必要な画素だけを非ターゲットクラスタ中心に選定する.これにより,従来のK-means trackerの問題である似た特徴をもつ画素や,クラスタリングに寄与しにくい画素を非ターゲットクラスタ中心として配置することを防ぐことができる.従来手法との比較実験により,本手法は追跡を安定かつ,効率的に処理できることを確認した.

近年、一般的に用いられている顔検出の手法としてAdaBoostを用いた手法が有名である。AdaBoostには新たな特徴を生成する機能がないので、あらかじめ多量の特徴を用意する必要があり、また検出性能は用意した特徴に依存してしまう。本論文では新たな特徴をGAによって生成し、特徴に対してReal AdaBoostの確信度と特徴間の独立性と同時に評価することで、識別に有効な特徴の生成・選択を行い、識別器を構築する。

This paper brings out a robust pixel-wise object tracking algorithm which is based on the K-means clustering. In this paper, the target object is assumed to be non-rigid and may contain apertures. In order to achieve the robust object tracking against such objects, several ideas are applied in this work: 1) Pixel-wise clustering algorithm is applied for tracking the non-rigid object and removing the mixed background pixels from the search area; 2) Embedding the negative samples into K-means clustering so as to achieve the adaptive pixel classification without the fixed threshold; 3) Representing the image feature with a color-position feature vector so that this algorithm can follow the changes of target colors and position simultaneously; 4) A variable ellipse model is used to restrict the search area and represent the surrounding background samples; 5) Tracking failure detection and recovery processes are brought out according to both the target and background samples; 6) A radial sampling method is brought out not only for speeding up the clustering process but also improving the robustness of this algorithm. We have set up a video-rate object tracking system with the proposed algorithm. Through extensive experiments, the effectiveness and advantages of this K-means clustering based tracking algorithm are confirmed.

We propose a new self-localization method for a mobile robot equipped with a fixed-viewpoint active camera by observing multiple parallel lines patterns with the camera. The method utilizes the technique for estimating location and posture of the camera from one parallel lines pattern which was previously developed by our research group. The method switches from a certain parallel lines pattern used for self-localization to another parallel lines pattern while the robot is moving in the environment. After the new parallel lines pattern is selected, the method keeps estimating location and p...

本サーベイでは 事例に基づくパターン認識 コンピュータビジョンの研究を 異常検出 識別，非線形写像学習，正則化およびこれらの基礎となる最近傍探索技術 確率密度推定に分け これまでの歴史を振り返り 近年の研究動向を分析する．This paper reviews and serveys example based techniques in the fields of Pattern Recognition and Conputer Ⅵsion , from the viewpoints of anormality detection,classification，non-linear mapping learning，regularization，and basics：nearest neighbor search and non-parametric probability density estimation

本サーベイでは,事例に基づくパターン認識,コンピュータビジョンの研究を,異常検出,識別,非線形写像学習,正則化およびこれらの基礎となる最近傍探索技術,確率密度推定に分け,これまでの歴史を振り返り,近年の研究動向を分析する.

2005年10月17日〜20日に北京(中国)で開催された第10回コンピュータビジョン国際会議の概要を報告する.

本論文では,複数の画像を用いて人物頭部の3次元位置を追跡する問題を取り扱う.従来,各2次元画像上で追跡を行い,これを統合することで3次元位置を追跡する方法が多かったが,このような方法では各画像上で求められる対象位置が3次元空間中の同一物体に対応しないという食い違いが生じる.本論文では,この問題を解決するために,3次元空間中で追跡対象に関する仮説を生成し,それらを各画像に投影して尤度を求め,それらを統合するというCONDENSATIONの自然な拡張法について検討する.この手法では,各画像で求める尤度の統合を積によって行うべきであるが,オクルージョンが発生した場合には追跡ができない.このため,本論文では特に,尤度の統合法について詳しく検討し,新たな尤度統合方法を提案する.提案手法によるシステムを,カメラを接続した計算機6台を用いて試作し,オクルージョンに対する頑健さ,複数人物の追跡に対する安定さを実験的に確認した.

自動車用鋼板として一般的に用いられている，亜鉛めっき鋼板のレーザ・アークハイブリッド溶接において，ピット等の溶接欠陥発生に及ぼすシールドガス種の影響を検討した．特に、高速度カメラによる溶接現象観察から，欠陥発生はシールドガス種ごとの溶融池挙動の違いに起因していることが確認された．

This paper presents a new framework for learning dynamic robot behavior such that a wheeled mobile robot moves to the destination with wheel slippage. First, our method learns the body dynamics from a large number of sensory-motor instances using PaLM-tree algorithm, which approximates nonlinear mapping in arbitrary preciseness. The mapping specifies a transition model from state-action pair to next state. An optimal action sequence generating the transition from initial to goal states is obtained by the branch-and-bound algorithm using the estimated transition model. Then, new sensory-moto...

This paper presents a K-means tracker, which is a novel visual tracking algorithm. This algorithm is robust against the interfused background, because it discriminates "target" pixels from "background" pixels in the tracking region by applying K-means clustering to both the positive and negative information of the target. To ensure the robustness of this algorithm, we apply the following ideas : 1) To represent the color similarity and spatial approximation of the target simultaneously, we use a 5D feature vector consisting of the position (x, y) and color (y, u, v) information for object tracking. The object tracking is performed and updated not only in the image space but also in the color space at the same time. Therefore, this adaptive nature guarantees our method to be robust against the target color change. 2) By using a variable ellipse model to restrict the target search area and represent the non-target pixels surrounding the target, the algorithm can cope with the changes of the scale and shape of the target object flexibly. 3) Even the tracking sometimes fails, this algorithm can automatically discover and recover from the tracking failure based on the positive and negative information. To capture motion-blur-free images of a moving object at video rate, we control a set of active cameras which are mounted on the pan-tilt units according to the results of the K-means tracker.

我々は, 一枚の入力画像から黒目の輪郭を抽出し, フィティングした楕円の形状に基づいた視線方向推定アルゴリズムを提案している.しかし, まぶたと黒目の境界線と, 黒目の輪郭との区別は一般的に困難である.この問題を解決するために, 本論文では, まぶたと黒目の輪郭をもつアイモデルを構築し, それを用いて安定かつ正確に黒目の輪郭を追跡する方法について検討する.瞬きのある場合にも追跡できるようにするためにCondensationを採用すし, 黒目のエッジの向きと黒目の輝度を考慮した尤度を提案する.

フラクタル画像符号化では, 画像中の局所パターンの共起性に基づいて符号化を行う.このため, 均一なテクスチャパターンを持つ平面の場合, 傾斜した平面の画像よりも正面から撮影した平面の画像に対する符号化効率が良い.この性質を利用することにより, 平面の傾き推定が行える.本稿では, このような平面を撮影した実画像や生成画像に対して, フラクタル画像符号化に基づいて画像圧縮を行った際の符号化効率の指標について検討し, 平面の傾き推定に適した指標の計算方法を提案する.

本報告では,機械学習およびデータマインニングの分野で主にスカラ関数の近似に用いられてきた回帰木(Regression Tree),およびそれを線形回帰に拡張した線形回帰木(Linear Regression Tree)の研究を概観し,筆者らが新たに開発した区分的線形写像木PaLM-treeについて述べる.PaLM-treeは,線形回帰木の出力次元を多次元に拡張したものであり,木の構築時にSplit-and-Merge戦略を採用することにより,学習時間の短縮と写像の高精度化を同時に達成している.また,写像計算は二分探索と線形変換だけであるので,極めて高速である.PaLM-treeの用途は非常に多岐に渡るが,本報告では画像の領域分割,カメラキャリブレーション,そして任意の識別器の機能を模倣する問題への応用例について述べる。

本論文では,マルコフ連鎖モンテカルロ法(Markov Chain Monte Carlo, MCMC)の枠組にパラメータ間の相互依存関係を考慮した,構造化MCMC法を提案する.提案手法では,対象を構成する部品(顔部品や多関節物体の体節など)毎にパラメータを分割し,部品間の構造を他の部品の分布に対する条件付確率として定義する.この条件付き確率をマルコフ推移核としてMCMC法を適用する.他の部品で推定された分布に基づいて各部品の推定を行うことで,部品毎に分布の推定を行いつつ,全体としては部品間の構造を考慮した推定が可能となる.提案手法を顔部品検出問題に適用し,実験によりその有効性を確認した.

This paper presents a perspective imaging model that can be used to represent any single viewpoint imaging system. Our imaging model consists of an optical center whose position is well determined in the 3D space and a virtual screen on which undistorted images taken with the uncalibrated camera are displayed. This model uses two screens as virtual image planes and the optical center is estimated as the converging point of those rays that are passing through the corresponding points on these planes. This method has the advantages that 1) it can be applied to any single viewpoint camera and 2) it can remove any type of distortions. In the experiments results for normal and omni-directional cameras demonstrate the effectiveness of our method.This paper presents a perspective imaging model that can be used to represent any single viewpoint imaging system. Our imaging model consists of an optical center, whose position is well determined in the 3D space, and a virtual screen on which undistorted images taken with the uncalibrated camera are displayed. This model uses two screens as virtual image planes, and the optical center is estimated as the converging point of those rays that are passing through the corresponding points on these planes. This method has the advantages that 1) it can be applied to any single viewpoint camera, and 2) it can remove any type of distortions. In the experiments, results for normal and omni-directional cameras demonstrate the effectiveness of our method.

本稿では,床面に描かれた二つの円パターンを用いた複数台カメラのキャリブレーション法を提案する.従来の手法では視野を共有する必要があるのでカメラで観測できる範囲を広げることが難しい.提案手法は,一枚の画像から円パターンの一部さえ見えていれば,その形状を推定しキャリブレーションを行うことができる.その特性を利用することによって,広範囲を観測できる状況でのキャリブレーションが可能になる.シミュレーションによる誤差評価,さらに実画像を用いた実験により提案手法の有効性を確認した.

本稿では,画像から色ターゲット検出を行って得られた2値画像領域の4分木表現に対して,最近傍識別を行うことによって,高速に対象認識を行う方法を提案する.本手法は基本的に,2値画像の4分木表現に対して,あらかじめ登録しておいた大量のプロトタイプと入力を比較し,最近傍識別を行う.まず,4分木表現において対象領域と非対象領域の両方を含むグレーノードに密度情報を記録しておくことにより,任意の解像度で入力画像と各モデル間の相違度の上限と下限を求め,解像度を順次上げながら分枝限定法やA*アルゴリズムと同様の基準で効率の良い枝刈り計算を行う手法を提案する.次に,best-first searchによって,より効率的な枝刈り計算を行う高速化手法,さらに最近傍識別問題であることを利用した高速化手法を提案する.実験により,提案手法は単純な画像間の比較による最近傍探索よりも40倍以上高速であることを確認した.

近年、マスメイル送信は大きな社会問題となっており、我々はこの問題に対処するためのシステムを構築している。Open Relay MTAの数に比べてマスメイルコンテンツの種類の方が圧倒的に少ないという事実に基づき、このシステムではコンテンツに基づくフィルタリング方式を採用している。これまで、受信メイルに含まれる単語ヒストグラムやn-グラムに基づいて識別を行うものが多く実装されているが、同種のメイルが多数送受信されるというマスメイルの特性に着目すると、コンテンツDBを構築して受信メイルがDB内のエントリーに一致するか否かで対処することが有効である。本研究では、マスメイルを自動的に収集し、そのチェックサムをDNSに登録してフィルタリングを行う。すでに、マスメイル収集、チェックサム計算、およびDNSへの登録、が行われており、これを参照したメイルフィルタも稼動している。本稿では、このシステムの概要、運用実績と今後の展望について述べるとともに、マスメイル収集について協力を呼びかける。

近年、マスメイル送信は大きな社会問題となっており、我々はこの問題に対処するためのシステムを構築している。Open Relay MTAの数に比べてマスメイルコンテンツの種類のほうが圧倒的に少ないという事実に基づき、このシステムではコンテンツに基づくフィルタリング方式を採用している。これまで、受信メイルに含まれる単語ヒストグラムやn-グラムに基づいて識別を行うものが多く実装されているが、同種のメイルが多数送受信されるというマスメイルの特性に着目すると、コンテンツＤＢを構築して受信メイルがＤＢ内のエントリに一致するか否かで対処することが有効である。本研究では、マスメイルを自動的に収集し、そのチェックサムをＤＮＳに登録してフィルタリングを行う。すでに、マスメイル収集、チェックサム計算、およびＤＮＳへの登録、が行われており、これを参照したメイルフィルタも稼動している。本稿では、このシステムの概要、運用実績と今後の展望について述べるとともに、マスメイル収集について協力を呼びかける。Recently mass-mail sending is becoming a serious problem that prevents normal commerce and advertisement on the Internet. We are now developing a system solving this problem. Existing mass-mail filtering systems can be classified into two types; 1) open relay MTA based filtering systems and 2) recognition based contents filtering systems. Since the number of open relay MTA is much bigger than the number of mass-mail contents, contents based mass-mail filtering is much effective than the open relay based filtering. However, the recognition based contents filtering requires time consuming training and tuning. Unlike these approaches, our system consists of two parts; mass-mail checksum database and clients. The checksums are delivered via the DNS and the clients. The prototype database system is currently running, i.e., mass-mail contents sent to some dummy addresses are analyzed, normalized, and their checksums are stored into the DNS. As well, some clients referring the DNS are developed. This report presents the overview of our current system and the future extensions.

For the camera calibration, point correspondence data between 3D and 2D points widely spreading over the image plane is necessary to get a precise result. However, in the case of wide observing area, it is impractical to use a huge calibration object that covers the camera view. This paper presents a refined calibration method using circular patterns. We already proposed a circular pattern based camera calibration method using a four-wheel mobile robot. That is, by keeping low speed and constant steering angle, the robot can draw a big circular pattern on a plane. Our previous method, however, has a limitation that roll angle around the optical axis is assumed to be zero. This paper presents an improved version of the camera calibration method. Our method estimates the extrinsic parameters of fixed camera from a single circular trajectory when the focal length of the camera is known. In the case that the focal length is not given, two co-planar un-concentric circular trajectories are enough for calibrating the extrinsic parameters and the focal length. In both cases, the center and the radius of the circle(s), the speed of the robot are not required. The extensive experiments over simulated images as well as real images demonstrate the robustness and the accuracy of our method.

高精度のカメラキャリブレーションを実現するために、3次元位置が既知である校正用の基準点はできるだけ画像面に広く分布した方が望まれる。しかし、カメラの観測範囲は運動場のように広大である場合、全画面がカバーできる巨大な物体を用意することが非常に困難である。我々は、4輪車輌型ロボットを用いて、真円の軌跡を作り、それを利用したカメラキャリブレーション法を既に提案した。しかし、その方法にはカメラ光軸回りの回転がないという制限があった。本稿では、円パターンを利用した完全なカメラキャリブレーション法を提案する。本方法では、円心と半径、そしてロボットの移動速度の情報を使わずに、１）焦点距離既知の場合、一個の円パターンからカメラの外部パラメータを推定する；２）焦点距離未知の場合、同じ平面内における二つの非同心円のパターンからカメラの外部パラメータと焦点距離を求める方法を提案する。シミュレーションと実画像を用いた実験により提案手法の有効性を確認した。For the camera calibration, point correspondence data between 3D and 2D points widely spreading over the image plane is necessary to get a precise result. However, in the case of wide observing area, it is impractical to use a huge calibration object that covers the camera view. This paper presents a refined calibration method using circular patterns. We already proposed a circular pattern based camera calibration method using a four-wheel mobile robot. That is, by keeping low speed and constant steering angle, the robot can draw a big circular pattern on a plane. Our previous method, however, has a limitation that roll angle around the optical axis is assumed to be zero. This paper presents an improved version of the camera calibration method. Our method estimates the extrinsic parameters of fixed camera from a single circular trajectory when the focal length of the camera is known. In the case that the focal length is not given, two co-planar un-concentric circular trajectories are enough for calibrating the extrinsic parameters and the focal length. In both cases, the center and the radius of the circle(s), the speed of the robot are not required. The extensive experiments over simulated images as well as real images demonstrate the robustness and the accuracy of our method.

本稿では、近年再び脚光を浴びつつある最近傍識別理論の中で特に重要な役割を演じるCondensing, すなわち最近傍識別機の識別性能をできるだけ落とさない範囲で不要なプロトタイプを削除する問題を取り扱う。現在提案されているCondensingアルゴリズムは、Voronoi分割やGabrielグラフなど空間の次元数が上がると計算量の爆発が起きるアルゴリズムを利用するため、これまで5次元程度以上のパターン空間におけるVoronoi condensing は実際には用いられなかった。しかし、Condensingはプロトタイプの抽出、およびSVMの前処理としての利用価値が高いため、高次元空間でも効率的に使用できるアルゴリズムが長年待ち望まれてきた。本稿では、全パターンのVoronoi分割を行うことなく、Voronoi condensing と同じ結果を効率的に抽出する2種類のアルゴリズムを提案する。

本稿では,我々が提案している近接性グラフに基づくCondensingの理論に従った2つの効率的なCondensingアルゴリズム, Direct condensing アルゴリズムとChip-Off condensing アルゴリズムの実装方法を示し,その性能評価を行う.これらのアルゴリズムは,トレーニングパターン全体のVoronoi分割を行うことなく, Voronoi condensingと同じ結果を効率的に求める手法であり,これまで実用的でなかった5次元以上のパターン空間におけるVoronoi condensing を実現する. Direct condensing アルゴリズムは,これまでに提案されているVoronoi condensingを得るどのアルゴリズムより高能率であり, Chip-Off condensing アルゴリズムは,識別面の整合性を保ったまま不要なパターンを逐次的に削除する.本稿では,実際に20次元のパターン空間に対してcondensingを行い,本手法の有効性を検証するとともに, Condensingの結果得られたプロトタイプを用いた最近傍識別器による応用例を示す.

画像から指定した色を検出する方法として、色競合法が提案されている。これは色空間内で最近傍識別を行いルックアップテーブルを構成する手法で、ターゲットと非ターゲットのパターンを教示することにより精度よく，しかも高速に学習と識別が可能であることが知られている．この手法では学習パターンが多いほど検出精度が良くなるが，人手で大量の学習パターンを収集することは困難である．本研究では，動画像において実時間で肌色に基づいて人物追跡を行いながら肌色と非肌色の学習パターンを収集し，肌色の動的学習を行う手法を提案する．追跡中の顔領域と色の変化の連続性に基づいて学習パターン仮説を生成し，色空間における色の類似性と肌色検出への貢献度に基づいて仮説検証を行い，尤もらしい学習パターンを決定し学習する．The color competition method is proposed as a method of detecting the specified color from an image. This is the method of constituting a look up table using nearest neighbor in a color space. This method is known to be able to learn and classify fast and accurately if the method be trained by specifying target and nontarget color examples. This method can accurately detect if there are many training patterns. However, it is difficult to collect many training patterns manually. In this report, we propose a method that collect training patterns of skin color and non-skin color, tracking humans based on skin color, and learn skin color dynamically. This method generates hypotheses of training patterns based on regions of tracking faces and continuity in color variation, and verifies these hypotheses based on similarity of colors and contribution to detecting skin color, and learn likely training patterns.

本稿では、外部カメラで自己位置同定をしながら床面を移動する車両型センサレスロボットシステムのためのカメラキャリブレーション法を提案する。センサレスロボットは、単純な処理で正確な自己位置同定が行え、ロボット本体も安価であるという利点がある。しかし、ロボットを正確に動作させるためには、床面とカメラの位置関係などをあらかじめ求めておかなければならず、カメラの位置や方向を変えるたびにキャリブレーションをやりなおさなければならない。この煩雑さを解消するため、システムの初期化動作として、ロボットのボディを利用したカメラキャリブレーションを行う方式を採用する。これによって求められるパラメータは、床面を基準としたカメラの視線方向および、カメラの焦点距離であり、これらのパラメータによって床面を真上から見たときのロボットの軌跡が計算できる。ここで用いる車両型ロボットはキャリブレーション前には正確な直進動作は行えないが、ステアリング角を一定に保ち、低速で動作すれば平面上で真円を描くことができる。この軌跡は画像平面上では楕円として観測され、これを手がかりとして上述のキャリブレーションが行える。シミュレーションによる誤差評価、4点対応から求めたHomographyとの比較実験、さらに実機を用いた実験により提案手法の有効性を確認した。

This paper presents a method for map generation based on the interaction between a robot body and its surrounding environment. While a robot moves in the environment, the robot interacts with its surrounding environment. If the effect of the environment on the robot changes, such interactions also change. By observing the robot's body, our method detects such change of the interaction and generates a description representing the type of change and the location where such change is observed. In the current implementation, we assume that there are two types of the change in the interaction. The real robot experiments are conducted in order to show the validity of our method.

Most nearest neighbor (NN) classifiers employ NN search algorithms for the acceleration. However, NN classification does not always require the NN search. Based on this idea, we propose a novel algorithm named k-d decision tree (KDDT). Since KDDT uses Voronoi condensed prototypes, it is less memory consuming than naive NN classifiers. We have confirmed that KDDT is much faster than NN search based classifiers through the comparative, experiment (from 9 to 369 times faster).

This paper presents a novel background subtraction method for detecting foreground objects in dynamic scenes involving swaying trees and fluttering flags. Most methods proposed so far adjust the permissible range of the background image variations according to the training samples of background images. Thus, the detection sensitivity decreases at those pixels having wide permissible ranges. If we can narrow the ranges by analyzing input images, the detection sensitivity can be improved. For this narrowing, we employ the property that image variations at neighboring image blocks have strong correlation, also known as "cooccurrence". This approach is essentially different from chronological background image updating or morphological postprocessing. Experimental results for real images demonstrate the effectiveness of our method.

カラーマーカーの検出や肌色検出などの色ターゲット検出は，ターゲットと非ターゲットの色の識別問題と見なすことができ，パターン認識的な手法が研究されてきた．識別に関する研究では，殆んどの場合，まず多次元の特徴から確率や類似度など「ターゲットらしさ」を表す１次元の量を求め，その大小に基づいて識別を行うという方式が用いられてきた．本報告ではこういったパターンの持つ多様性を１つのスカラー値に縮約する「統合演算」を先に行っていたことが識別の精度や柔軟性を阻害してきたという考察に基づき，統合演算を必要としない最近傍識別器を用いたカラーターゲット検出機構を提案する．このシステムは，ターゲットと非ターゲットの色を人間の教示によってインタラクティブに学習し，ビデオレートでターゲット検出を行うものである．実験では，肌色とカラーLEDの検出実験を示し，その有効性を実証する．Color target detection tasks can be regarded as a color classification problem. Most of the classification methods first integrate features into a single value representing the probability or similarity, and the classification is done by comparing or thresholding these values. This integration, i.e. mapping from multi-dimensional pattern space to 1-dimensional space removes the manifold of pattern distributions in the original space, and hence, the exceptional patterns can be missclassified. In this report, we propose a novel method for color target detection based on nearest neighbor classifier, which doesn't require the feature integration and can be trained by specifying target and nontarget color examples. Since the color classifier is implemented as LUT, our system can detect targets in video-rate. Experimental results demonstrate the effectiveness of our method.

「大量カメラを用いなければ得られない情報とは何か」、「大量カメラを用いたシステムにおいて通信が果たす役割」、「大量カメラを用いたシステムの今後の展望」などのテーマについて各パネラーの意見を述べ、これをもとにして「大量カメラとネットワーク」の今後について展望する。In this panel, we will discuss varieties of topics, e.g.,``What is the intrinsic information obtained only by mass-camera system?'', ``What is the role of `communication' in mass-camera system?'', ``Future systems based on mass-camera''. Through the discussions, we hope to have a vision of the future in this research field.

回転型全方位カメラは, パン, チルト, ズーム, 露光時間などのカメラパラメータを変更しながら撮影した複数枚の画像情報を, ある視点から見た方位毎に蓄積・統合するためのセンサとして位置づけられる.このような回転カメラにより, 1)高い視点位置精度, 2)高い空間分解能, 3)広いダイナミックレンジ, 4)高いS/N比, を満足する全方位画像を撮影することができる.回転カメラを用いて全方位画像を撮影するには, 物理的な回転が必要であるため時間的な応答性は良くない.しかし, 特定の対象を追跡撮影するアクティブカメラとして見ると, 時間的な応答性に関しても特に問題はなく, 特に, 視点位置が移動しない光学系を用いれば, 1)回転撮影を行いながら背景差分を行ったり, 2)エゴモーションの解析を簡単に行うことができる, などの特徴も有している.本稿では, これらに関して議論を行い, 全方位画像センサの将来について展望する.

本論文では, 3次元形状復元の実用的問題の一つとして, イメージスキャナによって撮影された書籍表面の陰影画像から, 固有空間法を用いて高速に書籍の断面形状を復元し, 画像中の陰影とひずみを補正する方法について述べる.具体的には, 互いに対をなす陰影画像と断面形状のデータを事前に多数取得し, これらを正規化して別々の固有空間に保存する.そして, 与えられた画像に対して陰影固有空間内で局所的な線形補間を行い, この係数を用いて形状固有空間から断面形状を復元し, 画像の補正を行う.ここでは, 固有空間中の局所的な線形補間での誤差と, 陰影固有空間から形状固有空間への線形変換での誤差を考慮し, データに対するSN比の概念を導入して線形補間における係数を求める.また, データの正規化として, フーリエ変換を用いて書籍の平行移動成分を除去する方法を用いる.提案した手法の妥当性を示すために, 模型及び実際の書籍を用いた実験を行い, 高速で精度の良い形状復元と画像の補正が可能であることを確認した.

We propose a method for detecting and tracking a human head in real time from an image sequence. The proposed method has three advantages: (1) we employ a fixed-viewpoint pan-tilt-zoom camera to acquire image sequences
with the camera, we eliminate the variations in the head appearance due to camera rotations with respect to the viewpoint
(2) we prepare a variety of contour models of the head appearances and relate them to the camera parameters
this allows us to adaptively select the model to deal with the variations in the head appearance due to human activities
(3) we use the model parameters obtained by detecting the head in the previous image to estimate those to be fitted in the current image
this estimation facilitates computational time for the head detection. Accordingly, the accuracy of the detection and required computational time are both improved and, at the same time, the robust head detection and tracking are realized in almost real time. Experimental results in the real situation show the effectiveness of our method. © 2000 IEEE.

Silhouette volume intersection is one of the most popular ideas for reconstructing the 3D volume of an object from multi-viewpoint silhouette images. This paper presents a novel parallel volume intersection method based on plane-to-plane homography for real-time 3D volume reconstruction using active cameras. This paper mainly focuses on the acceleration of back-projection from silhouette images to 3D space without using any sophisticated software technique, such as octree volume representation, or look-up table based projection acceleration. Also this paper presents a parallel intersection method of projected silhouette images. From the preliminary experimental results we estimate near frame-rate volume reconstruction for a life-sized mannequin can be achieved at 3cm spatial resolution on our PC cluster system.

This paper addresses active image capturing and dynamic scene visualization by Cooperative Distributed Vision (CDV, in short). The concept of CDV was proposed by our five years project starting from 1996. From a practical point of view, the goal of CDV is summarized as follows: Embed in the real world a group of network-connected Observation Stations (real time video image processor with active camera(s)) and mobile robots with vision. And realize 1) wide-area dynamic scene understanding and 2) versatile scene visualization. Applications of CDV include real time wide-area surveillance, remote conference and lecturing systems, interactive 3D TV and intelligent TV studio, navigation of (non-intelligent) mobile robots and disabled people, cooperative mobile robots, and so on. In this paper, we first define the framework of CDV and give a brief retrospective view of the computer vision research to show the background of CDV. Then we present technical research results so far obtained: 1) fixed viewpoint pan-tilt-zoom camera for wide-area active imaging, 2) moving object detection and tracking for reactive image acquisition, 3) multi-viewpoints object imaging by cooperative observation stations, and 4) scenario-based cooperative camera-work planning for dynamic scene visualization. Prototype systems demonstrate the effectiveness and practical utilities of the proposed methods.

広範囲を移動する対象を正確に撮影するためには，パン・チルト・ズームなどのカメラアクションを行いながら対象の追跡を行う方法が有効である．しかし，画像から対象を検出し，検出結果に応じてカメラアクションを行うリアクティブシステムでは，画像の撮影開始からアクションの完了までに要する時間を無くすことができないため，ある時刻にシステム内部で求められた運動対象の情報（位置，速度等）は，実世界では対象の過去の情報に相当しているどこのような時間遅れと，その間の対象の運動を考慮したリアクションを行うことによって，「リアクティブシステムにおける実時間性」を保証することができる．本稿では，「対象の運動推定」と「システムの時間遅れ推定」の2つから，対象の運動に整合したカメラアクションを決定する手法を提案し，試作システムを用いた実験結果から，本手法によりシステムの追従性・安定性が著しく向上することを示す．For the detection and tracking of objects moving in wide surveillance area, active sensing method using pan-tilt-zoom camera is effective. In the visual reactive system which autonomously changes camera parameters depending on the visual information, time elapses while capturing image, determining and performing camera action. Because of this elapsed time, detected attributes (position, speed, etc.) of objects in the system correspond to the past attributes in the real world. This time lag causes inconsistent camera action with moving objects. Hence, the real-time system should perform consistent camera action with moving objects by canceling this time lag. This report presents a method to determine the consistent camera action based on 1) motion estimation of object and 2) response-time property of the system. Experimental results demonstrate that the proposed method drastically improves the performance and stability of the object tracking system using fixed viewpoint camera.

Most of behavior recognition methods proposed so far share the limitations of bottom-up analysis, and single-object assumption; the bottom-lip analysis can be confused by erroneous and missing image features and the single-object assumption prevents us from analyzing image sequences including multiple moving objects. This paper presents a robust behavior recognition method free from these limitations. Our method is best characterized by I) top-down image feature extraction by selective attention mechanism, 2) object discrimination by colored-token propagation, and 3) integration of multi-viewpoint images. Extensive experiments of human behavior recognition in real world environments demonstrate the soundness and robustness of our method.

We address the problem of recovering the 3D shape of an unfolded book surface from the shading information in a scanner image. This shape-from-shading problem in a real world environment is made difficult by a proximal, moving light source, interreflections, specular reflections, and a nonuniform albedo distribution. Taking all these factors into account, we formulate the problem as an iterative, non-linear optimization problem. Piecewise polynomial models of the 3D shape and albedo distribution are introduced to efficiently and stably compute the shape in practice. Finally, we propose a method to restore the distorted scanner image based on the reconstructed 3D shape. The image restoration experiments for real book surfaces demonstrate that much of the geometric and photometric distortions are removed by our method.

本稿では、分散協調視覚システムにおける「観測ステーション群による移動対象の協調的監視」を実現するための第1歩として、個々の観測ステーションが持つべき視覚監視機能について述べる。視覚監視タスクにおける動作認識問題では、「複数の動作が同時に観測され得る」ため、通常の動作認識法を用いることはできない。本稿では、この困難さを克服するために、「ある画像上の領域（注目領域）内での画像特徴の検出（『イベント検出』）結果に応じて、注目領域の更新（『アクション起動』）を行なう」という「選択的注視に基づく動作識別法」を提案する。本手法では、イベント検出とアクション起動を繰り返す過程で、対象の動作段階に対応する内部状態の遷移を行なうが、非決定性状態遷移モデルを用いることにより、全ての可能な動作状態を生成・追跡することができる。本手法のアクションを「カメラパラメータの更新」、「他の観測ステーションへのメッセージ送信」へと拡張することにより、能動視覚、共同注視の機能を実現することができ、本手法で示す枠組に基づいて、実時間性、頑健性、柔軟性を兼ね備えた分散協調視覚システムを設計することが可能になる。This paper presents a motion-recognition method for visual-surveillance tasks in Cooperative-Distributed-Vision (CDV) system. This method is designed as a motion recognition mechanism of Observation Station, so as to be capable of the real-time recognition of multiple-object motions. To realize multiple-motion recognition, we propose Selective Attention Model, which iterates event detection in focusing regions on the image space and the action renewing the focusing regions according to the event detection result. While iterating the event detection and action, the model changes its internal states corresponding to the object-motion stage. By employing an NFA as its state transition mechanism, the model can generated and follow all possible states. The action of this model can be expanded as "camera-parameter control" and "message sending to other stations", which enables active and cooperative motion recognition.

パターン認識, コンピュータビジョンの扱う領域は大きく広がりつつある. それにもかかわらず, 最近, 数理モデルの研究が元気がないように見えるのは, いわゆるshape from xxの研究が一段落し, 次の新しい知的魅力のある数理モデルの研究の方向性がもう一つ見えないことにある. また, 最近の数理的な研究がいったい何の役に立つのだろうという批判もでている. パネルセッションでは, パターン認識, 理解とマルチメディアの領域を包含する広い視点から数理モデルを見直し, 再考するきっかけを得たい.

Background subtraction is a simple and effective method to detect anomalous regions in images. In spite of the effectiveness, it cannot be used with an active (moving) camera head because the background image varies with camera-parameter control. This paper presents a background subtraction method with pan-tilt-zoom control. The proposed method consists of an omnidirectional background model called appearance sphere and parallax free sensing. Based on this model, precise background images can be generated and background subtraction can be performed for any combination of pan-tilt-zoom parameters without restoring 3D scene information. © 1996 IEEE.

1995年6月に米国マサチューセッツ州ケンブリッジのMITで開催された第5回コンピュータビジョン国際会議の概要を報告する。This report describes an overview of the fifth International Conference on Computer Vision, which was held at MIT, USA in June 20-23, 1995.

第5回目を迎えたInternational Conference on Computer Vision1995(ICCD'95)は, 今回は6月20日〜23日の間, 米国マサチューセッツ工科大学で開催された.会議の主催者は, IEEE, PAMI技術委員会が母体となって組織されたICCV'95実行委員会である.会議の規模は, 応募論文数600件, 採択論文数161件(口頭56体, ポスタ105件), 会議参加者582人であった.ICCVは, 2年に1回の間隔で開催されるコンピュータビジョンの国際会議であり, 会議の規模自体は比較的小規模であるが.論文審査は非常に厳しく, セッションはシングルトラックで行われるため, 発表や議論の質に関しては研究者間でも定評がある.

我々が以前提案したγ?ωHough変換は、通常のρ?θHough変換と比べ次のような優れた特長を持っている。（） パラメータ空間を均一に標本化し全画素からの投票を行なっても、パラメータ空間に蓄積される投票度数に偏りが生じない。（） 投票軌跡が2本の線分から成る折れ線となり、軌跡の描画やパラメータ空間を用いた直線の幾何学的性質の解析が容易に行なえる。しかし、従来のγ?ωHough変換アルゴリズムでは、1本のディジタル直線に含まれる画素集合からの投票がパラメータ空間中の複数のセル （標本化区間） に分散することがあり、ディジタル直線を構成する画素の数が投票度数として正しく捉えられないという問題点がある。これは、従来のγ?ωHough変換アルゴリズムが、画像空間中に存在する全てのディジタル直線を検出対象としていなかったことに起因する。本研究では、ディジタル直線の幾何学的性質を詳細に解析し、画像空間中に存在する全てのディジタル直線と1対1に対応したセル配置を持つようにγ?ωパラメータ空間を標本化する方法を求めるとともに、そのセル配置に対する妥当な投票方法を明らかにする。本論文で提案するセル配置と投票方法を用いた「高精度γ?ωHough変換アルゴリズム」を用いることにより、任意の方向、位置を持つディジタル直線が安定かつ高精度に検出できる。γ-ω Hough transform, which we proposed before, has the following advantages over the ordinary ρ-θ Hough transform: (a) The ρ-θ parameter space involves the inherent bias, i.e. the uneven sensitivity to directions of straight lines. In the γ-ω space this bias is completely eliminated. (b) A voting curve in the γ-ω space is a piece-wise linear line consisting of two segments. This enables the fast voting as well as facilitates the analysis of geometric properties of straight lines. In practice, however, the γ-ω Hough transformation algorithm involves a crucial problem: votes from those pixels on the same digital line are not always accumulated into a single cell, quantized unit, in the parameter space and hence spread over several neighboring cells. The essential cause of this problem is that the set of cells in the γ-ω space does not represent all possible digital lines in an image. In this paper, we first analyze detailed geometric properties of digital lines and propose a new quantization method, i.e. cell configuration, of the γ-ω space. In this cell configuration, all possible digital lines have one-to-one correspondence to the set of cells. Then, considering the uncertainty range of vote from a pixel, a new voting method is proposed. We call the Hough transformation algorithm incorporating these new cell configuration and voting method "high precision γ-ω Hough transformation algorithm". Experimental results have demonstrated that digital lines of arbitrary orientations and locations can be correctly detected by the high precision γ-ω Hough transformation algorithm.

本論文では、イメージ・スキャナによって書籍表面を撮影した画像から、書籍表面の3次元形状を復元する問題を対象とし、（）照明光の強度、および光源からの光の方向がスキャナ面から書籍表面までの距離に応じて変化する（）書籍表面の反射特性が拡散反射と正反射を含むPhongの反射モデルに従うという2点を考慮した解析モデルを構成することによって、精度良く3次元形状が復元できることを示す。推定された3次元形状を用いることにより、画像中の陰影、幾何学的歪みを補正することができる。実験の結果、スキャナ画像から真の3次元形状にほぼ一致した形状が復元され、補正後の画像の可読性は原画像と比べて大幅に改善されていることが確認され、本手法の有効性が示された。In this paper, we present a method to estimate the 3D shape of an unfolded curved book surface from an image taken by an image-scanner. To solve this estimation problem, we augmented the ordinary Shape from Shading model in the following two points. The first augmentation is that the illuminant intensity and the lighting direction vary with the gap between the scanning plane and the book surface. The second augmentation is that the Phong's reflection model is incorporated to cope with the specular reflection on the book surface. In the experiments, the 3D shape of the book surface was correctly reconstructed using the augmented model. Then the estimated 3D shape was used for the restoration of the distorted scanner image. This image restoration considerably improved the readability of the book surface.

本稿では,オンラインで利用可能な多数のデータベースを対象とした,データベース検索支援システムについて述べる。近年、データベースの普及に伴ない,データベースの種類およびデータベース数が増加している。そのため、データベース群全体を把握し,検索要求に応じる適切なデータベースを選択することが因難になっている。我々は,データベース群について十分な知識を有さないユーザが,検索要求に適したデータベースを選択するために必要となるメタ情報および基本機能を示した。メタ情報は,各データベースの特徴および実際の内容に関する情報であり,メタ情報に対して基本機能を適用させることにより,適切なデータベースが選択される。本稿では,メタ情報の分類のための指針を示し,さらに,メタ情報の生成,および,利用方法について述べる。

波形間の対応する部分を求めるという波形の照合問題は,信号処理やステレオ・ビジョンなどの分野における重要な課題である.波形の凹凸領域は,尺度空間フィルタリングを用いて階層的にとらえることができる.このような階層構造を対応付けることにより,安定で効率のよい対応付けが可能になる.そこで本報告では,波形の階層構造そのものを対応付ける「構造照合」という問題を提案し,2次零交差線の包含関係を用いて波形の階層構造を表わした場合の,構造照合の定式化と解法について論じた.

2つの波形間の対応を求めるという波形の照合問題は，信号処理をはじめとする様々な分野における重要な課題の1つである．従来この問題に対しては，波形上の特徴点を直接対応付けるための手法が，主に検討されてきた．波形の凹凸構造は本来，階層構造を持っている．この階層構造を対応付けることにより，精度の良い，しかも安定した対応付けが可能になると考えられる．本報告では，波形の階層構造に着目し，この階層構造を対応付ける「構造照合」という問題を新たに提案する．まず，尺度空間フィルタリングにより得られる2次零交差線の，包含関係を用いて波形の階層構造を表わす．そして，この階層構造を構造点の木構造として記述し，波形間の形態の変動構造を確率論的に表現することで，波形の構造照合を最尤推定問題として定式化する．さらに，この問題の解法を論じる．The pattern matching of waveforms is an important problem in the fields of signal proccesing, image processing, and so no. Hitherto some methods have been proposed, which match the feature points of waveforms directly. Since the convex and the concave regions of waveform have hierarchical structure, it is necessary for a stable and precise matching to match the hierarchical structure. In this paper, we propose a structural matching problem that matches the hierarchical structure of scale-space filtered waveforms, and formalize this problem as a likeliwood estimation of fluctuation of structure points.

本研究では数本の木が配置された二次元環境中を移動するカメラによって環境を観測した場合の画像を想定し，スクリーン上の一次元濃淡波形を「一般化波形の構造線」を用いて解析した．構造線は波形の凹凸領域の階層構造をあらわす解析的な曲線であり，位相的には三分木の構造を持っている，解析の結果，構造線の枝の生成・消滅，切断・接合などの形態変化と木の見えかくれ，カメラの視界への対象の出入り，スクリーン上での木の位置関係，大小関係の変化が関係あることがわかった．この関係を整理することによって観測された画像中での木の見えかくれなどのシーンの見え方の変化を判断することが可能である．Structure line is a hierarchical representation of waveforms based on scale space filtering. Structure line has the same topological property as the trinary tree, and represents the hierarchy of the convex and concave region of the waveform. In this paper, we discuss an application of the structure line to the computer vision. One of the most basic and difficult problem of the computer vision is the reconstruction of the 3-dimensional object from the multi-viewpoint images. There may be the occlusion of the characteristic points between the images, then we can't find the matching pair. So, we shold know the occluded regions between the images before the beginning the correspondence process. We investigated the relation between the morphological transition of the structure line of the observed images and the transition of the scene. The relation between the transitions of the structure line and the scene transition are cleared.

type:text

小規模化の際におけるニューラルネットワークの性能の低下を抑制する。本開示のニューラルネットワーク処理装置１０は、複数の人工ニューロンが結合したニューラルネットワークＮ１に対して複数の入力データ４０を与えて、前記人工ニューロンから出力される複数の出力からなるベクトルを、複数の前記人工ニューロンそれぞれについて求める処理２２と、前記ベクトルに基づいて、同一又は類似の振舞いをする複数の人工ニューロンを選択し、選択された複数の人工ニューロンを統合する統合処理２３と、を実行するように構成されている。

学術雑誌等の編集委員・査読・審査員等

編集査読委員等

学術雑誌等の編集委員・査読・審査員等

査読1件

学術雑誌等の編集委員・査読・審査員等

編集査読委員等,任期:1年

公開講座・講演会の企画・講師等

まず，大量のデータ中から検索キーに類似したデータを高速に探索する問題にお いて，データ間の類似性をいかに定義するのかが極めて重要な問題であるという ことを実例を挙げながら示す。特に，検索キーベクトルに劣化（欠落）が含まれ る場合には，データの正規化方法と使用する類似性尺度によって，検索結果が大 きく変わることを示し，その理由について言及する。次に事例に基づく異常検出 において，主に用いられているSimilarity Based Modellingが，類似度をカーネ ル関数と同じであるとみなせば，非線形回帰の手法であるGaussian Processと本 質的に同じになるということを示す。,日付:10月31日

小・中・高校生を対象とした学部体験入学・出張講座等

後期入試の過去問「情報」を高校生向けに解説した．,日付:7月25日

小・中・高校生を対象とした学部体験入学・出張講座等

コンピュータの生い立ち，コンピュータを用いた計算で何が出来 るのか等について，現在高校生の皆さんが学んでいることを基 に説明を行った． ,日付:7月16日

研究成果に係る新聞掲載、テレビ・ラジオ出演

「壊れたPCをRe活用した低価格Wi-Fiシステム技術を開発」
「世界初!Wi-Fi宝さがしin南紀田辺」開催
2010年11月6日

研究成果に係る新聞掲載、テレビ・ラジオ出演

「宝探しイベント:廃棄PCで　和大研究室がシステム開発--きょう、田辺で　/和歌山」
2010年11月6日、和歌山大学システム工学部の学生たちが開発した廃棄パソコン(PC)による無線LANシステムを利用し、参加者が携帯端末で受信したクイズを解いて街を巡る宝探しイベント「Wi-Fi★宝さがしin南紀田辺」開催のご案内。
毎日新聞　2010年11月6日　地方版

研究成果に係る新聞掲載、テレビ・ラジオ出演

「携帯端末片手に街巡り　田辺の商店街で「宝探し」」
JR紀伊田辺駅周辺の商店街で6日、iPad(アイパッド)、iPhone(アイフォーン)など電子携帯端末を使って宝探しをするイベント「Wi-Fi(ワイファイ)★宝さがし　in南紀田辺」が開かれた。当日は端末の貸し出しもあり、家族連れや大学生など、県内外から約100人が参加した。
2010年11月11日

研究成果に係る新聞掲載、テレビ・ラジオ出演

「【今週の Web ミミズク】和歌山大学で、壊れた PC が WiFi システムとして復活!」
和歌山大学のシステム工学部、和田研究室では、HDD の故障などで廃棄された PC の WiFi(無線 LAN)通信機能を有効活用して、iPhone などのスマートフォンやニンテンドー DS などの通信対応携帯ゲーム機などに情報を発信できる、低価格 WiFi システム技術を開発中だそうだ。
2010年10月23日

研究成果に係る新聞掲載、テレビ・ラジオ出演

「和歌山大学、PCをRe活用したWiFiシステム技術を開発」
和歌山大学
壊れたPCを用いた無線広報システムとその応用事例に関するご案内
2010年10月20日

研究成果に係る新聞掲載、テレビ・ラジオ出演

「和歌山大学、壊れたPCを活用した低価格のWi-Fiシステム技術を開発」
2010年10月20日

研究成果に係る新聞掲載、テレビ・ラジオ出演

最新機器で宝探し(11月6日)　和大生が田辺でまちおこし
和歌山大学システム工学部の和田俊和教授と同大学の学生や和大大学院の院生らでつくるプロジェクトチームが、まちおこしにつなげようと田辺市商店街振興組合連合会、田辺広域の第三セクターまちづくり会社「南紀みらい」とともに企画、運営する。

2010年10月29日

研究成果に係る新聞掲載、テレビ・ラジオ出演

「和歌山大学、壊れたPCでも再活用できる低価格WiFi情報配信システムを開発」
　和歌山大学 システム工学部 和田研究室は10月20日、ハードディスクの故障などで廃棄されたPCのWi-Fi(無線LAN)通信機能を有効活用して、スマートフォンや携帯ゲーム機に独自情報を発信できるシステムを開発したことを発表した。
2010年10月20日

研究成果に係る新聞掲載、テレビ・ラジオ出演

「「田辺を遊園地に」　和大生らラリー企画で商店街訪問」
和歌山大学の学生や和大大学院の院生ら11人が7日、田辺市中心市街地の商店街を訪れた。多機能携帯電話などを活用して、参加者がクイズなどに回答しながら各商店を回る「ワイファイラリー」の企画を検討した。
2010年9月8日

公開講座・講演会の企画・講師等

ディジタル化された画像・映像は比較的容易に改竄することができる.ディジタルカメラで撮影された画像でさえ,写実性からの逸脱という意味で,改竄されているということもできる.本講演では,ディジタル画像,映像の改竄方法を紹介し,それらを見抜く方法を紹介する.,日付:2010.3

公開講座・講演会の企画・講師等

近年盛んに用いられるようになっている離散最適化の方法として,Graph CutsとBelief Propagationについて概説し,セグメンテーション,ノイズ除去など様々な用途に応用可能であることを示す.また,我々の開発した2分探索型Belief Propagationによる計算の高速化とFPGA上での高速化方法とその結果について述べた.,日付:2010.2

公開講座・講演会の企画・講師等

画像から対象を検出,追跡,識別するというタスクの中で,最近傍探索は数多く用いられる.最近傍探索アルゴリズムの概要と,検出・追跡・識別への応用について述べ,距離計算の違いによって画像検索精度が大きく変わるなどの最近の成果についても説明する.,日付:2010.1

公開講座・講演会の企画・講師等

最近傍探索の研究においては,「次元の呪縛」と呼ばれる現象が問題を困難にしてきた.この現象は,数学的に厳密に定義されていないが,「蓄積されるデータの分布の次元が一定の値を超えると,いかなるアルゴリズムでも全探索と等価になる」という現象である.最近傍探索研究の歴史は,これを解決するために行われてきたと言っても過言ではない.これまでに数々の研究がなされてきたが,次元の呪縛が解けたという報告はこれまでになく,近年はこの現象を回避するための「近似最近傍」を探索する研究が盛んにおこなわれるようになってきた.本チュートリアルでは,近似を含むものと含まないもの両方について高速な,日付:2009.11

公開講座・講演会の企画・講師等

モデルベースの対象表現法と事例ベースの対象表現法の方法と実際について述べ,画像からの歩行者検出タスクでは,近年盛んに研究がおこなわれるようになっている事例ベース対象表現法よりもモデルベース対象表現法が優れている場合があることを示した.これを通じて,流行ばかりを追求する研究の方法論を見直し,合目的的な方法論を採用すべきであることを訴えた.,日付:2009.6

国際交流事業

上記ワークショップの開催責任者,海外からの研究者招聘手続き,予稿集出版,他全て,相手国:米国,イギリス,スイス,中国,フランス,カナダ,オーストラリア

国や地方自治体、他大学・研究機関等での委員

国や地方自治体、他大学・研究機関等での委員,任期:2013/08/01～2014/07/31

国や地方自治体、他大学・研究機関等での委員

国や地方自治体、他大学・研究機関等での委員,任期:2013/08/20～2013/12/31

国や地方自治体、他大学・研究機関等での委員

国や地方自治体、他大学・研究機関等での委員,任期:2012/12/1～2013/1/31

学協会、政府、自治体等の公的委員

ICCV2011 の査読結果を集約し,論文採否の議論を行い,決定し,レポートを作成する業務。今年度は39本の論文について書かれた116通の査読結果を集約した。,任期:2011.4～2011.6

学協会、政府、自治体等の公的委員

日本の画像解析・認識研究の中心的組織であるPRMU研究会の運営を司る専門委員会の委員,任期:2010.5～2011.3

学協会、政府、自治体等の公的委員

日本国内でのコンピュータビジョン研究の中心的組織であるCVIM研究会の運営委員,任期:2010.4～2015.3

学協会、政府、自治体等の公的委員

ACCV2010のプログラムを決定するために,論文の採否を決定する委員会の委員である.,任期:2010.3～2010.11

学協会、政府、自治体等の公的委員

日本国内でのコンピュータビジョン研究の中心的組織であるCVIM研究会の運営委員,任期:2009.4～2010.3

学協会、政府、自治体等の公的委員

日本の画像解析・認識研究の中心的組織であるPRMU研究会の運営を司る専門委員会の委員,任期:2009.4～2010.3

学協会、政府、自治体等の公的委員

ICCVのプログラムを決定するために,論文の採否を決定する委員会の委員である.今回は日本開催であったため,全32人のうち日本から参加した委員は3名であった.,任期:2009.3～2009.9

学協会、政府、自治体等の公的委員

学協会、政府、自治体等の公的委員,任期:2008.3～2009.1

国や地方自治体、他大学・研究機関等での委員

Area Chair ,任期:2006.3～2007.10

国や地方自治体、他大学・研究機関等での委員

プログラム委員長 ,任期:2006.3～2007.8

学協会、政府、自治体等の公的委員

学協会、政府、自治体等の公的委員,任期:2003.3～2009.3

国や地方自治体、他大学・研究機関等での委員

運営委員, 幹事 ,任期:2003.3～2009.3

国や地方自治体、他大学・研究機関等での委員

論文誌編集委員 ,任期:2003.3～2009.3

国や地方自治体、他大学・研究機関等での委員

編集委員 ,任期:2003.3～2006.3