Haar Cascade識別機を利用して、目と輪郭を認識するプログラムをサイトを見ながら作成した。
青：輪郭、緑：目
webカメラの映像を用いて目、輪郭を認識するプログラムは作成できた。
瞳は認識できてなかったので輪郭部分のトリミング→拡大を行うプログラムを作成する予定
p.s.(10/16)
輪郭部分のトリミングをしたが、画質が粗くなったのか、目の検出ができなくなった。
今週の進捗（水戸）
「研究相談」カテゴリーアーカイブ
研究に関する相談事項
今週の進捗(仮屋)
進捗
- 遺伝的プログラミングによる構造最適化を画像処理に応用した。図1を入力画像、図2 (windowsの標準アプリであるペイントを用いて文字以外の部分を白くした画像) を目標画像とした。最優秀個体(フィルター)を通した出力画像および最優秀個体の木構造をそれぞれ図3・図4に示す。木構造は冗長ではあるものの文字部を残し余白部を白にするように進化していることが確認できた。しかし今回はパラメータを固定した状態で実行した上に、ノードとして使用できる関数は閾値処理5種類、論理演算4種類、ガウシアンぼかしの計10種類としたため依然として改善の余地あり。
予定
- パラメータの自動最適化の検討
- 評価関数の検討
今週の進捗（ZHU)
今週の進捗
- 今週、私は研究室で開催された3つのセミナーに参加しました。 私は、M2とB4の学生のための研究プロジェクトと取り決めを聞きました。
- 火曜日（13：00〜16：00）のゼミの後、張研究室の水餃子活動に積極的に参加しました，中国と日本の食文化の交流に適しています。
- ReIDシステムの構築において、さまざまな問題に遭遇し、解決し続けました。
- 工学融合科目プロジェクトはまもなく完了し、今週、報告レポートが整理されました。
M1ゼミ
出席：全員
庄司：Ubuntu18.04のデュアルブート、 Docker環境構築、edgeTPUのセットアップ
以上完成次第研究テーマを策定する。
梶岡：研究テーマの調査：カメラで顔から血中アルコール濃度を測定する論文はなかった。代わりに目の動きから血中アルコール濃度を推定するアプリはあったが精度はよくないみたい。
顔の全体の部分領域の色差分の値の分布の変化を調べる。
金當：瞳孔を認識してカメラで視力検査ができる。資料 瞳孔、光の強さで乱視があるかを判断するアプリを製作。
井上：VibraImage 顔から犯罪者を判別、継続情報収集。
今週の進捗（梶岡）
〇今週の進捗
- 参考書 1章分
- 研究テーマの調査
- カメラで顔から血中アルコール濃度を測定する論文はなかった。代わりに目の動きから血中アルコール濃度を推定するアプリはあったが精度はよくないみたい。
〇今後の課題
- 参考書
- 研究テーマの調査
今週の進捗(金當)
進捗
- 研究テーマを模索中
- 現在は瞳孔を認識してカメラで視力検査ができるアプリ開発について検討中（要相談）
課題
- 自己分析、企業研究
- アプリ開発の学習
今週の進捗(井上)
今週の進捗
- カメラを用いた精神状態判別について先行研究を調査した。
→防犯カメラに映った対象の精神状態を可視化する「 DEFENDER-X 」
http://elsys-hokkaido.jp/deffenderx.php https://business.nikkei.com/atcl/report/15/226265/060300032/
今後の目標
- 研究テーマの調査
- CNNの勉強
- 就職活動の準備(自己分析、企業研究など)
進捗（水戸）
進捗：テーマは「アイトラッキングを利用したマウス操作の簡易化手法」で発表しようと思います。WEBカメラを用いて黒目の位置検出を行い、カーソル移動、スクロールを行い、また、瞳の開閉パターンでクリックを行います。
対象は身体障碍者のみでなく、PC使用者全員が直感的な操作ができるように誤認識操作を減らす工夫を考え、大ゼミで発表します。
従来のアイトラッキング製品
https://sengakuhisai.com/tobii-eye-tracker-4c-towa/
今週の進捗（ZHU)
今週の進捗
- 1.ReIDに関連した学習を続けます 、 研究状況、基本的な方法などを含み、記録を持っている。
- 2.以前の基本的な知識と一般的なデータセットのダウンロードに基づいて、今週は主にステップバイステップで簡単なReIDシステムを構築する方法を学びました。
- 参照先 ：https://zhuanlan.zhihu.com/p/50387521?utm_source=wechat_session&utm_medium=social&s_r=0
- Code: https://github.com/layumi/Person-reID-triplet-loss
- Dataset:Market-1501。
- 環境要件：Python 3.6；Numpy；Pytorch 0.3+；Torchvision from the source。
- 実践プロセス:ReIDシステムの構築には、主に次の部分が含まれます：
- （１）訓練：データセットを準備する（python prepare.py）；ネットワーク構造モデルを構築し、分類子をトレーニングします（python model.py）；モデルを訓練（python train.py）する。
（２）テスト：各画像の視覚特性を抽出するための特徴抽出（python test.py）；測定（python evaluate_gpu.py）、機能を使用して画像を一致させ、類似性で画像をソートします。
（３）可視化結果（python demo.py）。 - 3.最新のREID関連の論文を見る:
- ICCV2019（33篇）：https://zhuanlan.zhihu.com/p/84478668?utm_source=wechat_timeline&utm_medium=social&utm_oi=812368797020344320&from=timeline&isappinstalled=0;
- CVPR2019(26篇)，https://zhuanlan.zhihu.com/p/62843442;
- CVPR2018(32篇)：https://zhuanlan.zhihu.com/p/35349230。
M1ゼミ
出席：全員
庄司：JetSonNanoを試し、研究テーマになれるものを検討する。デザイン工房を利用する予定。Djiangoを触っている。
梶岡：iAppの勉強を再開。非接触型血中アルコル濃度の計測を調べる。早速試すこと。
井上：NNの勉強の継続、研究テーマの変更を検討する。
金當：Pythonの勉強をしている。修論テーマを検討する。