混雑した環境における歩行者数推定のための疎な解を持つ学習法の研究
書誌事項
- タイトル別名
-
- Efficient Sparse Learning on Crowd People Counting
この論文をさがす
説明
混雑環境において人数推定を行うことは、都市環境における安全面や商業面の観点から役立つ．近年，人周りの領域の面積などといった，画像全体から得られる特徴量を用いて，回帰により人数推定を行う手法が注目されている．この手法の推定精度は，用いる人周りの領域抽出手法・特徴量に依存する．そこで本研究は，適切な領域抽出手法・特徴量を自動的に選出する学習法を提案する．提案手法は，特徴量選出の 2 段階のアルゴリズムから成り立ち，それぞれの段階に疎な解を持つことでしられる l1 ノルム正則化を用いる．Lars という正則化パスを効率的に求める考え方により，提案手法はハイパーパラメータ決定を含む学習時間が他の手法より短い．本研究では，公開データセットを用いた実験を通し，提案手法の有用性を検証した．Counting people in crowded environments is valuable for applications such as traffic analysis, safety in urban or advertising. Recently, number of people in the scenes can be estimated using holistic image features. The performance of this approach depends on the combination of motion segmentations and image features. Therefore, we propose a learning method which selects only useful features and segmentations from a large number of those automatically. Our mainly consists of two stages. Our method contains l1-norm regularization, which is known as a shrinkage and selection technique, in two stages. Thanks to using Lars methods, which calculate a regularization path efficiently, the proposed approach can determines a hyper-parameter under less training time. Experimental results show our sufficient estimation accuracy and reduction of required features within less training time.
収録刊行物
-
- 研究報告コンピュータビジョンとイメージメディア（CVIM）
-
研究報告コンピュータビジョンとイメージメディア（CVIM） 2011 (3), 1-8, 2011-05-12
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1572543026893311616
-
- NII論文ID
- 110008584019
-
- NII書誌ID
- AA11131797
-
- 本文言語コード
- ja
-
- データソース種別
-
- CiNii Articles
