九州大学 大学院システム情報科学研究院 情報知能工学部門 イメージ・メディア理解研究室
研究紹介RESEACH
映像サーベイランス（過去分）
照明変動に頑健な物体検出
背景をモデル化することで，カメラで観察する映像内から移動物体のみを検出する研究を進めています．木々や水面の揺らぎを確率モデルで近似したり，局所領域のテクスチャの一様性を考慮することで天候等の影響による明るさ変化を無効化したりすることで，ノイズや背景変動に頑健な移動物体の検出手法を提案しています．
また，シーン変動のモデル化とシーン変動時における最適なモデルの選択方法を組み合わせることで，従来法よりも低コスト且つ高性能な検出法についても研究しています．
また，シーン変動のモデル化とシーン変動時における最適なモデルの選択方法を組み合わせることで，従来法よりも低コスト且つ高性能な検出法についても研究しています．
論文誌 (査読有)
- Satoshi Yoshinaga, Atsushi Shimada, Hajime Nagahara, Rin-ichiro Taniguchi
Statistical Local Difference Pattern for Background Modeling
IPSJ Transactions on Computer Vision and Applications, Vol.3, pp.198-210, 2011.12
BibTeX - Atsushi Shimada, Satoshi Yoshinaga, Rin-ichiro Taniguchi
Maintenance of Blind Background Model for Robust Object Detection
IPSJ Transactions on Computer Vision and Applications, Vol.3, pp.148-159, 2011.12
BibTeX
背景差分Vision TransformerのAttentionへのadapter導入に関する分析
"監視カメラを用いた異常検知システムにおいて、ViTを使った背景差分法が研究されていますが、未学習シーンでの精度が低く、追加学習には高い計算量が必要です。実用的な変化検出には低計算量での適応手法が求められます。
本研究では、計算量削減のためにMLPベースのadapterを導入し、Attentionと残差接続へのadapter導入により背景変動に関する知識を学習可能であることを示しました。"
本研究では、計算量削減のためにMLPベースのadapterを導入し、Attentionと残差接続へのadapter導入により背景変動に関する知識を学習可能であることを示しました。"
国際会議 (査読有)
- Ryunosuke HAMADA, Tsubasa MINEMATSU, Cheng TANG, Atsushi SHIMADA
Analysis of adapter in attention of change detection Vision Transformer
AI-based All-Weather Surveillance System, AWSS 2024, 2024.12
BibTeX
広域移動物体追跡
商業施設や街中といったセンサが分散配置された環境において，個々のセンサにおける移動物体の追跡情報からセンサ間の連結関係を自動推定することで，広域環境において移動物体を追跡する研究を行っています．
広域になるとセンサ数と同様にそれらを解析する計算機の数も増えるため，負荷分散や追跡精度の向上の観点から各計算機に対するセンサの最適な割り当てを自動で推定する手法についても研究を進めています．
広域になるとセンサ数と同様にそれらを解析する計算機の数も増えるため，負荷分散や追跡精度の向上の観点から各計算機に対するセンサの最適な割り当てを自動で推定する手法についても研究を進めています．
国際会議 (査読有)
- Shuhei Noda, Atsushi Shimada, Daisaku Arita, Rin-ichiro Taniguchi
Object Tracking across Non-overlapping Views of Multiple Sensors
Proc. of International Workshop on "Sensing Web" in conjunction with the 19th International Conference on Pattern Recognition (ICPR2008), 2008.12
BibTeX
監視シナリオにおけるオープンセット認識を採用した人間介在型アノテーションフレームワーク
近年、監視カメラ映像の利用が増加していますが、ラベリングの高いコストが課題です。提案されたフレームワークは、既存手法の改良により、高精度を保ちつつ作業負荷を最小限に抑えることを目指しています。
本研究では、人間の作業負荷と分類ネットワークYOLOv3の再学習精度を測定しました。提案手法が作業量と再トレーニング精度の両方で有効であることが示されました。今後の展望として、より堅牢な背景変化検出モデルの開発と、DBScanに代わるより安定したクラスタリング手法の改善が期待されます。
本研究では、人間の作業負荷と分類ネットワークYOLOv3の再学習精度を測定しました。提案手法が作業量と再トレーニング精度の両方で有効であることが示されました。今後の展望として、より堅牢な背景変化検出モデルの開発と、DBScanに代わるより安定したクラスタリング手法の改善が期待されます。
国際会議 (査読有)
- Dao Zhou, Tsubasa Minematsu, Cheng Tang, Yuta Taniguchi, Fumiya Okubo, Atsushi Shimada
A Human-in-the-Loop Annotation Framework for Surveillance Scenarios with Enhanced Overlapping Object Detection
The 30th International Workshop on Frontiers of Computer Vision 2024 (IW-FCV2024), 2024.02
BibTeX
センシング情報のオープン化
道路や街中・建物内などに様々なセンサが設置されるようになりました．それらのセンサ情報を様々なアプリケーションに役立てるため，我々は「センシング情報のオープン化」に取り組んでいます．現在，それぞれのセンサは独立に稼働していますが，それらをネットワークで結びつけることで，様々なセンサから得られる情報を組み合わせることが可能となり，人にとってさらに有益な情報を生み出すことができます．
国際会議 (査読有)
- Rin-ichiro Taniguchi, Atsushi Shimada, Yuji Kawaguchi, Yousuke Miyata, Satoshi Yoshinaga
Structuring and Presenting the Distributed Sensory Information in the Sensing Web
Information Processing and Management of Uncertainty in Knowledge-Based Systems. Applications, Vol.8, pp.643-652, 2010.06
BibTeX
Attention 機構を用いた背景変動に頑健な変化検出手法の分析
都心部や大型施設などの人口密集地での防犯カメラ監視の需要が高まり、高精度な異常検知が求められています。
本研究では、Attention機構を利用した背景差分アルゴリズムTransCDにおいて、各構造の特徴表現とAttention機構の役割を分析しています。Attention機構は背景特徴を補正し、残差接続によって背景グリッドの特徴が補正されるが、前景グリッドは保持されることを示しました。
これにより、異なる背景間の比較では変化が検出されず、前景を検出することができます。
本研究では、Attention機構を利用した背景差分アルゴリズムTransCDにおいて、各構造の特徴表現とAttention機構の役割を分析しています。Attention機構は背景特徴を補正し、残差接続によって背景グリッドの特徴が補正されるが、前景グリッドは保持されることを示しました。
これにより、異なる背景間の比較では変化が検出されず、前景を検出することができます。
国内学会 (査読無し)
- 濵田 龍之介, 峰松 翼, 谷口 雄太, 大久保 文哉, 島田 敬士
Attention機構を用いた背景変動に頑健な変化検出手法の分析
第29回画像センシングシンポジウム(SSII2023), 2023.06
BibTeX
人物照合
商業施設や街中といったカメラが分散配置された環境において，個々のカメラで観測された人物が同一人物であるかを判定する研究を行っています．本研究では，照合対象となる人物領域のみに着目するのではなく，各カメラで同時に観測された人物の特徴を考慮することで，照合精度の向上を検討しています．
移動カメラを用いた変化検出
車載カメラのように移動することを前提としたカメラで観察される映像内で生じた変化を検出する研究を行っています．変化をとらえる方法として，同じ領域を撮影した過去の映像を現在の映像を比較することで検出できます．カメラが移動する場合には，各撮影位置で観測された過去の映像を記憶し，モデル化しておく必要があります．私たちは，効率的に過去の情報をモデル化する方法や高精度に変化を検出する手法を提案しています．
論文誌 (査読有)
- Tsubasa Minematsu, Atsushi Shimada, Hideaki Uchiyama, Vincent Charvillat, Rin-ichiro Taniguchi
Reconstruction-Based Change Detection with Image Completion for a Free-Moving Camera
Sensors, Vol.18, No.4, p.1232, 2018.04
BibTeX, doi - Tsubasa Minematsu, Hideaki Uchiyama, Atsushi Shimada, Hajime Nagahara, Rin-ichiro Taniguchi
Adaptive background model registration for moving cameras
Pattern Recognition Letters（SBMI2017）, 2017.03
BibTeX, doi