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：
高見利也
金额：
$ 2.66万
依托单位：
Oita University
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

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。

三年研究的最终目的是开发一种时间序列分析方法，但第二年研究将采用动态时间扭曲（DTW）方法，这是我们第一年考虑的方法之一。基于上述结果开发了运动时间序列分析方法。这里的目标是视频中记录的人体锻炼镜头，旨在分析记录同一锻炼的多个视频之间是否存在时间间隔。我们为此实现的方法是准备从视频视频时间序列中剪切出来的二维图像，并用它们来训练自动编码器，然后使用机器学习来获取适合目标视频的维度压缩方法。对获得的新时间序列进行同步分析。当针对视频中记录的人体运动（例如体操）时，衣服和人的颜色在单个视频中不会发生变化，因此很难分析仅因运动而变化的元素（例如姿势）的同步性。成为可能。换句话说，我们通过自动编码器学习结合了CNN等图像分析方法，并与进行时间序列同步分析的DTW相结合，开发了这种方法。研究结果在图像信息与媒体工程师研究所的体育信息处理研究组上发表。除了上述内容之外，我们还构建了一个机器学习系统，该系统结合了二维和三维 CNN，作为预测分析视频中记录的人的动作的方法。我们在 10 月份在线举行的国际会议（流量和粒度流）上介绍了这一部分。