日経テクノロジーオンライン

物体認識技術のしくみとアプリケーション展開へのテクニック

~クルマやゲーム機器における画像認識技術と最新動向~

2013/03/13 21:18
事前申込は終了しました
※当日受付を承ります。直接会場にお越しください。

イメージングデバイスの高性能・多機能化と、ヒトの動作・表情から得た情報を理解・認識する技術は、クルマや防犯システム、エンタテインメントの分野において上手く活用され、社会における新しい価値の実現基盤となっています。

NEアカデミーでは、車載システムやデジカメなどで使用されている「物体認識」のしくみを紹介しながら、近年のアプローチである、画像局所特徴量と統計的学習手法の組み合わせによる物体認識手法をわかりやすく解説します。

さらに、最新の研究動向として、Kinect等の距離画像からの人体姿勢推定法を紹介し、物体認識技術を新しい製品や機能へと展開する上で押さえておかなければならない要件や技術手法、信頼性の実現テクニック、アプリケーション展開のためのヒントとなるキーポイントを示します。

概要

日時:2013年05月31日(金)10:00~17:00(開場09:30)予定
会場:BIZ新宿 (東京・西新宿)
主催:日経エレクトロニクス
協力:日本情報技術センター

受講料(税込み)

  • 一般価格49,800円
  • 日経エレクトロニクス(NE)読者価格41,800円
  • 一般価格には「日経エレクトロニクスDigital版セット購読(最新号1冊+1年26冊)」が含まれます。 ご送本開始は開催後になります。
  • 日経エレクトロニクス(雑誌、Digital版、Digital版セット)定期購読者は、NE読者価格でお申し込みいただけます。
  • 日経エレクトロニクスPremium定期購読者は、Premium読者価格(一般価格の50%割引)で受講いただけます。
  • ※受講料には、昼食は含まれておりません。
  • ※一般価格に含む日経エレクトロニクス購読をご登録させていただく方には、NEニュース配信を設定いたします。
  • ※満席になり次第、申込受付を締め切らせていただきますので、お早めにお申し込みください。

講師紹介

藤吉 弘亘 氏 (ふじよし ひろのぶ)

中部大学 工学部 情報工学科、大学院 工学研究科 情報工学専攻 教授

藤吉 弘亘 氏

1997年 中部大学大学院 博士後期課程了
1997~2000年 米国カーネギーメロン大学 ロボット工学研究所 Postdoctoral Fellow
2000年 中部大学 講師
2004年 中部大学 准教授
2006年 米国カーネギーメロン大学 ロボット工学研究所 客員研究員
2010年より、中部大学 教授、博士(工学)
計算機視覚、動画像処理、パターン認識・理解の研究に従事。
情報処理学会、電子情報通信学会、IEEE各会員。
2005年度 ロボカップ研究賞。平成21年度 山下記念研究賞、平成21年度 情報処理学会論文賞。

プログラム詳細

10:00 - 17:00 昼休み(名刺交換) 11:50 - 12:40

1. 物体認識とは

一般物体認識の定義と、特定物体認識と物体検出の位置づけを解説します。

1.1 一般物体認識とは
1.2 特定物体認識
1.3 物体検出

2. 画像局所特徴量と特定物体認識

SIFT(Scale-Invariant Feature Transform)特定物体認識の実現には、特定物体のテクスチャから画像局所特徴量を抽出します。ここでは、SIFT特徴量とその高速化手法であるSURFのアルゴリズムを解説します。また、SIFT, SURF以降の高速化のアプローチについて紹介します。

2.1 SIFTのアルゴリズム
2.2 SIFTによる特定物体認識
2.3 高速化(SURF)
2.4 決定木を用いたキーポイント検出(FAST)
2.5 バイナリコードによる特徴記述(BRIEF, ORB, CARD)

3. 局所特徴量と統計的学習手法による物体検出

物体検出は、局所特徴量と統計的学習手法の組み合わせにより実現されています。顔検出として、Haar-like特徴とAdaBoost識別器を解説した後、人検出で用いられるHOG特徴量等について解説します。

3.1 Haar-like特徴と顔検出
3.2 AdaBoostのアルゴリズム
3.3 HOG特徴と人検出(Histograms of Oriented Gradients)
3.4 その他の画像局所特徴量

4. Random Forestsとその応用

Random Forestsは、バギングや特徴選択等のランダム性を取り入れながら、決定木をアンサンブルに構築するアプローチで、多くのアプリケーションで利用され始めています。Random Forestsのアルゴリズムとその応用例として、Kinectの人体姿勢推定手法について解説します。また、再指針動向として、Random Forestsの回帰への応用であるRegression Forestsも解説します。

4.1 Random Forests
4.2 Random Forestsを用いた距離画像からの人体姿勢推定
4.3 Regression Forests
4.4 Conditional Regression Forests
4.5 Conditional Regression Forestsを用いた顔パーツ検出
4.6 Density Forests, Semi-supervised Forests

  • ※講演時刻等、随時更新いたします。また、プログラムは変更になる場合があります。あらかじめご了承願います。
事前申込は終了しました
※当日受付を承ります。直接会場にお越しください。
■E-mailアドレス:
お申し込みにはE-mailアドレス(携帯電話不可)が必要です。
■受講料のお支払い:
お支払い方法が「請求書」の方には、後日、受講券・請求書をご郵送いたします。
ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますので、あらかじめご了承ください。
「クレジットカード支払」の方には、受講券のみをお送りいたします。
■お申し込み後のキャンセルおよび欠席:
お申し込み後のキャンセル、ご送金後の返金はお受けいたしかねます。代理の方が出席くださいますようお願いいたします。
■最少開催人員:
20名。参加申込人数が最少開催人員に達しない場合は、開催を中止させていただくことがあります。