KTH データセットを用いた行動分類

提案する特徴量はガウシアンフィルタに代えて簡易的な Box filter を導入することで従 来法である Dollar らの Cuboid と比較し，特徴量自体の性能の低下が考えられる．そこで 本項では既存の映像データセットを使い，提案特徴量の性能を検証する．

既存の映像データセットとしては KTH データセットを用いる．図 9.9 に示すように walking，running，jogging，boxing，hand clapping，hand wavingの6つの行動で構成され，

それぞれの行動は 4つの異なる背景にて25の人物により実演されている．また映像の長さ は平均4秒であり，画像サイズは160×120 pix.である．実験ではCPU：2.67GHz，実効メモ リ：3GBytesのスペックを搭載したプロセッサを使用する．

3 3

5

2 2

a c

b

b

c

♯ ♯ ♯

♯ ♯

図9.9：KTHデータセットのサンプル画像

評価項目として従来手法と提案手法の性能比較実験を行う．比較対象はDollarらの特徴 点検出法[6]とする．ただし記述子としては 3次元勾配特徴を採用する．また従来手法・提 案手法互いに Bag-of-Featureを特徴量とし，Codebookの作成が必要であるので Visual Word

数は 1,000 に設定する．また KTH データセットは 5 人単位に区切ることで 5 fold cross

validationより学習・テストを行う．識別器としては SVM（付録A参照）を採用し，カー

ネルとしては RBFを用いる．本実験における特徴点検出での各パラメータは空間軸のスケ ール数𝑂𝑐𝑡𝑎𝑣𝑒_𝜎=3，時間軸のスケール数𝑂𝑐𝑡𝑎𝑣𝑒_𝜏=3とする．また空間軸のスケールパラメー タの初期値𝜎₀＝1.4，時間軸の初期値𝜏₀＝1.8 と設定する．各パラメータは実験的に決定し ている．

ここで図9.10において従来手法との分類率の比較実験の結果を示す．また表9.1は提案 手法の各行動の分類率を示した Confusion Matrixである．Confusion Matrixは左端の列が対 象行動を示しており，表の対角成分は各対象行動が正解する確率(％)である．また対角成 分以外は誤分類する確率であり，対象行動を他の行動に分類する確率は同行へと記される．

図9.10に示すようにKTHデータセットを使う実験での提案手法の分類率は80.1％であり 従来手法の 77.1％より 3％程の性能向上を確認できる．これより提案手法の特徴量はガウ シアンフィルタに代えて簡易的な Box filterを導入しているが，性能は低下しないことを実 証でき，時空間のスケール変動に対しての頑強性を高めたことで若干の性能の向上が見ら れる．そしてフル HD の映像内から切り出した56×100pix.のサイズに提案手法を適用する 場合，一人物における処理速度は検出された特徴点数に依存するが，60—100fps程であり，

従来手法と比較して処理速度は殆ど同じであることを確認できる．表 9.1 からはboxing，

waving，clappingといった手の動きから構成される行動は提案手法の分類率が 80％以上で

あり，その有効性を示せている．しかし問題として joggingとrunningは他と比較しても分 類率が低く，人物の動きの速さの違いを上手く捉えられていない．これはCuboidを時間軸 についてスケールの正規化を行ったことが影響していると考えられる．

hand waving boxing

walking jogging running hand

clapping

図9.10：KTHデータセットでの従来手法との分類率の比較結果

表9.1：KTHデータセットを用いた実験における提案手法の各行動の分類率（％）

Walking Jogging Running Boxing Waving Clapping

(%)

Walking 87 10 1 1 0 1

Jogging 27 55 18 0 0 0

Running 9 22 69 0 0 0

Boxing 2 0 0 95.1 2 1

Waving 2 1 1 8 81 7

Clapping 0 0 0 5.1 3 91.9