CG 学習サンプルによる人検出性能低下の要因調査 EP11001 青山祐斗 1. はじめに統計的学習手法を用いた人検出では, 大量の学習データを収集する必要がある. 大量の学習データを人手で収集することは容易ではないため, その解決策として, CG により自動生成した学習サンプルの利用が検討されている[1]. しかし, CG 学習サンプルは実画像と比較して識別精度が低下するという問題がある. そこで, 本研究では人検出における CG 画像による識別精度低下の要因を明らかにすることを目的とする. 2.CG 学習サンプルの生成方法と問題点 2.1.CG 学習サンプルの生成方法 CG 画像は子供, 成人女性, 成人男性, 肥満男性の 4 種類のモデルを使用する. 各モデルに対して, 向きの変化が 360 度を 10 度毎に回転した 36 パターン存在し, 歩行動作が 50 フレームからなる. また服装が 8 種類, 荷物が 2 種類存在する. CG 画像を用いた学習サンプルの生成方法の流れを図 1 に示し, 以下にその詳細を述べる. Step1：モデルの生成 4 種類のモデルに対して向きの変化や歩行動作等のパラメータを設定し, レンダリングにより CG 画像を生成する. Step2：背景画像への合成と切り出し背景画像の位置座標をランダムに決定する. 決定した位置座標に CG 画像を合成する. このとき, CG 画像を背景画像に調和させるため, ガウシアンフィルタによる平滑化処理, コントラストによる階調変換を行う. 合成する際にはアルファブレンディングを行う. Step3：切り出し合成した画像からマージンをとり切り出した画像を学習サンプルとする. 以上の処理を, 全てのモデル, 向き, 歩行動作に対して行い, 生成した CG 画像 86,400 枚を学習に用いる. 図 1 : CG 画像を用いた学習サンプルの生成方法指導教授：藤吉弘亘いる. 一方, CG の平均勾配画像は頭部の位置や足の位置に出ている勾配の領域が広い. この原因として, 本研究では以下の二つの要因が寄与したと考える. 1. CG 画像により生成した人体画像のアピアランス (姿勢) が実画像と異なる. 2. 学習サンプルに用いた人体の各向き毎の分布 (サンプル数) が異なる. 本研究では上記の 2 つの観点において, CG 学習サンプルによる性能低下の要因を調査する. 3. 調査実験ここでは, 姿勢の変動と学習サンプルとサポートベクトルに選択されたサンプルの分布について調査を行う. 3.1. 姿勢変動の調査姿勢の変動の調査を行うために, 視覚的に比較が容易である横を向いたサンプルを用いて実画像と CG 画像の比較を行う. 図 3(a) に学習に使用した横向きのサンプル例を示す. 実画像では頭部の位置が中心に分布している. 一方, CG 画像では前に傾いているため, 頭部の位置は中心からずれていることがわかる. 図 3(b) に示す平均勾配画像においても, CG 画像では頭部の位置が中心からずれており, 実画像の形状とは異なる. このような姿勢の違いが識別性能低下の原因の一つであると考えられる. 図 3 : 姿勢の比較 3.2. 学習サンプルとサポートベクトルの分布の調査学習サンプルに用いた人体の向きと属性の分布を比較する. 図 4(a) より, 実画像では前後左右の 4 方向の頻度が高い. これは, 実環境と同様である. 一方, CG 画像では均一であり全ての向きが同じ枚数存在する. また, 図 4(b) の属性の分布から, 実画像と CG 画像では大きく異なることがわかる. また, 図 5 に示すサポートベクトルの分布においても, 実画像と CG 画像では分布が異なる. このような学習サンプルの分布の違いが, 識別性能低下の要因の一つと考えられる. 2.2. 人検出に CG 画像を用いた場合の問題点 CG 画像と実画像を学習サンプルに用いた際のサンプル数を表 1 に示す. 特徴量には HOG, 統計的学習手法には SVM を用いる. 表 1 : 学習サンプル [枚] 学習サンプルポジティブサンプルネガティブサンプル CG 画像 86,400 432,690 実画像 53,700 432,690 (a) 人体の向き (b) 属性 (a) 人体の向き (b) 属性図 4 : 学習サンプルの分布 Miss Rate 識別結果の DET カーブを図 2(a) に示す. CG 学習サンプルを用いた際の識別性能は, 実画像よりも多いサンプル数を学習に使用しているが大きく低下した. 4. おわりに False Positive Per Window (a)DETカーブ実画像 CG画像 (b)平均勾配画像図 2 : 実画像と CG 画像の比較図 2(b) に各学習サンプルの平均勾配画像を示す. 実画像の平均勾配画像では, 人のシルエット形状が表現されて図 5 : サポートベクトルの分布本稿では, 学習サンプルとして CG 画像を用いた場合と実画像を用いた場合の識別精度の比較を行い, CG 画像の問題点について調査をした. 今後は, 調査結果を反映させた評価実験を行うことにより, CG 画像を用いた人検出の識別精度を向上させることを予定している. 参考文献 [1] J. Marin, et al., “ Learning Appearance in Virtual Scenarios for Pedestrian Detection, ”Computer Vision and Pattern Recognition, pp.137-144, 2010.