講演抄録/キーワード |
講演名 |
2017-10-05 14:15
Kinect V2の人体検出を用いたGraph Cutsによる自動セグメンテーション ○小林航大(首都大東京)・佐藤雅俊(玉川大)・朝香卓也(首都大東京) IE2017-50 |
抄録 |
(和) |
画像や映像上の人体領域を高精度かつ高速にセグメンテーションすることができれば,映像サーベイラン スや合成画像の作成等を効率的に行うことができる.しかしながら,従来手法では,対象物体の領域と背景領域の位 置をユーザが事前に手作業で指定するといった制約があった.そこで,本研究では,Kinect V2 の人体検出を用いた Graph Cuts による自動セグメンテーション手法を提案する.Kinect V2 で人体検出された画像を膨張処理及び収縮処 理を施し,seed 入力を自動化することで Graph Cuts によるセグメンテーションを自動化する.本手法では,Graph Cuts に Maximum-Flow Neural Network(MF-NN) を適用することで処理時間を高速化し,リアルタイムな自動セグ メンテーションを実現する.MF-NN は回路解析により Graph Cuts を行う手法であり,FPGA のような利用者が構 成を設定できる集積回路を利用することで高速処理が可能となる. |
(英) |
To quickly segment human body region in images or videos with high accuracy makes video surveillances and making composite images efficient. In conventional method, to segment region without location information given by users is difficult. In this paper, we present a novel method to automatically segment human body region by using Graph Cuts based on human body detection of Kinect V2. By applying expansion and contraction processing on the image of human body detection and automating labeling "seed", we can automate segmentation by Graph Cuts. The conventional methods of automatic segmentation have a problem of slow processing time. The proposed method can accelerate processing time by replacing Graph Cuts with Maximum-Flow Neural Network(MF-NN). When MF-NN is designed with the integrated circuit such as Programmable Logic Device, Memristor or Phase Change Memory which can change graph structure and branch conductance, the novel min-cut solution with real– time processing can be expected. |
キーワード |
(和) |
Graph Cuts / セグメンテーション / Kinect V2 / / / / / |
(英) |
Graph Cuts / segmentation / Kinect V2 / / / / / |
文献情報 |
信学技報, vol. 117, no. 228, IE2017-50, pp. 19-24, 2017年10月. |
資料番号 |
IE2017-50 |
発行日 |
2017-09-28 (IE) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IE2017-50 |