A New Analytic Approach to Time-series of Collective Motion with Integrated Statistical and Mathematical Modeling Strategy
综合统计和数学建模策略的集体运动时间序列的新分析方法
基本信息
- 批准号:21K11789
- 负责人:
- 金额:$ 2.66万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for Scientific Research (C)
- 财政年份:2021
- 资助国家:日本
- 起止时间:2021-04-01 至 2024-03-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
時系列分析手法の開発が3年間の研究の最終目的であるが、2年次の研究においては、初年度に検討した手法のうち、動的時間伸縮法(Dynamic Time-Warping, DTW)を利用した運動時系列分析手法の開発を実施した。ここで対象としたのは、ビデオに記録された人の運動映像であり、同じ運動を記録した複数の映像間で、運動が同期しているか時間的にズレがあるかを分析するためのものである。このために実現した方法は、ビデオ映像時系列から切り出した2次元画像を用意してオートエンコーダの学習に利用し、対象とする映像に応じた次元圧縮の方法を機械学習により獲得し、そのようにして得られた新たな時系列に対して、同期分析を実施するというものである。映像中に記録された人の運動(体操など)を対象とする場合、一つの映像中では服の色や人物は変化しないため、運動により変化する姿勢などの要素のみの同期を分析することが可能になる。つまりここでは、オートエンコーダの学習を介してCNNなどの画像分析の手法を取り込み、時系列の同期分析を実施するDTWと組み合わせた手法として開発したこととなる。この成果は、映像情報メディア学会のスポーツ情報処理研究会にて発表を実施した。また上記以外にも、映像に記録されている人の動作予測を実施するための方法として、2次元および3次元のCNNを取り入れた機械学習システムを構築し、自動車の車載映像に映る人物動作を分析した。この部分については、10月にオンライン実施された国際会議(Traffic and Granular Flow)で発表を実施した。
这项三年研究的最终目的是开发时间序列分析方法,但是在第二年的研究中,在第一年研究的方法中,使用动态时间巡航(DTW)的运动时间序列分析方法的开发。这里的目标是视频中记录的人的视频镜头,该录像旨在分析动作是否是同步的,还是在记录相同动作的多个图像之间差异。为此目的实现的方法是准备从视频时间序列中删除的二维图像,并使用它们用于学习自动编码器,根据目标视频使用机器学习获得维度压缩方法,并对以这种方式获得的新时间序列进行同步分析。在视频中记录的练习(例如体操)时,衣服的颜色和视频中的人不会在一个视频中改变,因此可以分析仅诸如练习引起的姿势之类的元素的同步。换句话说,该方法是与DTW结合开发的,DTW结合了图像分析技术,例如通过学习自动编码器并执行时间序列同步分析。该结果是在视频信息和媒体协会的体育信息处理研究小组中提出的。除上述内容外,作为预测视频中记录的人的行为的一种方法,还构建了一个机器学习系统,该系统结合了二维和三维CNN,并分析了汽车图像中显示的人的运动。本节在10月在线举行的国际会议(交通和颗粒流)上介绍。
项目成果
期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Estimation of pedestrian crossing intentions in in-vehcle video
车载视频中行人过街意图的估计
- DOI:
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:Yuto Oyama;Toshiya Takami
- 通讯作者:Toshiya Takami
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
高見 利也其他文献
ヘテロジニアスな並列計算環境を応用した連成・連係計算の提案
应用异构并行计算环境的耦合/耦合计算的建议
- DOI:
- 发表时间:
2011 - 期刊:
- 影响因子:0
- 作者:
高橋公也;宮本真孝;伊藤泰典;岩崎拓也;高見 利也;小林泰三;西田晃;青柳睦;押川雄大 et al - 通讯作者:
押川雄大 et al
時間方向並列計算とマルチスケール動力学
时间并行计算和多尺度动力学
- DOI:
- 发表时间:
- 期刊:
- 影响因子:0
- 作者:
大隈 強志;高見 利也;松野 哲也;青柳 睦;So Kitsunezaki;Kyohei Shitara and Takao Ohta;植森裕紀人,柳有起,大野義章;高見利也 - 通讯作者:
高見利也
楽器に於ける渦音の役割:流体と音波の連成計算による解析I
涡声在乐器中的作用:流体与声波耦合计算分析Ⅰ
- DOI:
- 发表时间:
2007 - 期刊:
- 影响因子:0
- 作者:
高見 利也;小林 泰三;高橋 公也;壬生 亮太;青柳 睦 - 通讯作者:
青柳 睦
楽器に於ける渦音の役割:流体と音波の連成計算による解析II
涡声在乐器中的作用:流体与声波耦合计算分析II
- DOI:
- 发表时间:
2007 - 期刊:
- 影响因子:0
- 作者:
小林 泰三;高見 利也;高橋 公也;壬生 亮太;青柳 睦 - 通讯作者:
青柳 睦
高見 利也的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('高見 利也', 18)}}的其他基金
複数エネルギー曲面上での多次元量子ダイナミクスと非断熱遷移
多维量子动力学和多个能量表面上的非绝热跃迁
- 批准号:
07740337 - 财政年份:1995
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Encouragement of Young Scientists (A)
相似海外基金
低次機能を融合し高次機能を獲得する発達型人工神経回路網開発への挑戦
开发融合低阶函数以获得高阶函数的开发人工神经网络的挑战
- 批准号:
23K18489 - 财政年份:2023
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Challenging Research (Exploratory)
Multimodal inference of coral and seagrass distribution using combined seafloor imagery and satellite remote sensing data
利用海底图像和卫星遥感数据组合对珊瑚和海草分布进行多模态推断
- 批准号:
22H01695 - 财政年份:2022
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Scientific Research (B)
ミクロデータ利活用のための先端的AIを用いた支援技術の開発
开发利用尖端AI的微观数据利用支持技术
- 批准号:
22K01427 - 财政年份:2022
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
疑似データ生成による異常検知性能向上と個人認証への応用
通过生成伪数据并将其应用于个人身份验证来提高异常检测性能
- 批准号:
21K12022 - 财政年份:2021
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
Optimal Designing of Tidal/Ocean Power Generator by Machine Learning Architecture
通过机器学习架构优化设计潮汐/海洋发电机
- 批准号:
21K14081 - 财政年份:2021
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Early-Career Scientists