電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

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
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

研究会情報
研究会 IE ITE-ME ITE-AIT  
開催期間 2017-10-05 - 2017-10-06 
開催地(和) 長崎総合科学大学 
開催地(英)  
テーマ(和) 感性とメディアおよび高精細度画像処理,一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 IE 
会議コード 2017-10-IE-ME-AIT 
本文の言語 日本語 
タイトル(和) 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 
サブタイトル(和)  
タイトル(英) Automatic Segmentation using Graph Cuts based on Human Body Detection of Kinect V2 
サブタイトル(英)  
キーワード(1)(和/英) Graph Cuts / Graph Cuts  
キーワード(2)(和/英) セグメンテーション / segmentation  
キーワード(3)(和/英) Kinect V2 / Kinect V2  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 小林 航大 / Kodai Kobayashi / コバヤシ コウダイ
第1著者 所属(和/英) 首都大学東京 (略称: 首都大東京)
Tokyo Metropolitan University (略称: Tokyo Metropolitan Univ)
第2著者 氏名(和/英/ヨミ) 佐藤 雅俊 / Masatoshi Sato / サトウ マサトシ
第2著者 所属(和/英) 玉川大学 (略称: 玉川大)
Tamagawa University (略称: Tamagawa Univ)
第3著者 氏名(和/英/ヨミ) 朝香 卓也 / Takuya Asaka / アサカ タクヤ
第3著者 所属(和/英) 首都大学東京 (略称: 首都大東京)
Tokyo Metropolitan University (略称: Tokyo Metropolitan Univ)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2017-10-05 14:15:00 
発表時間 25 
申込先研究会 IE 
資料番号 IEICE-IE2017-50 
巻番号(vol) IEICE-117 
号番号(no) no.228 
ページ範囲 pp.19-24 
ページ数 IEICE-6 
発行日 IEICE-IE-2017-09-28 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会