3Dデータの扱いについてです。 これから研究で3Dデータを扱う方もいると思いますが、データの型や使用するソフトウェアを統一したほうがいいと思いました。 ソフトウェアについてはBlenderという3Dデータを扱えるフリーソフトを使おうと思っています。 データの型（拡張子）については最も一般的な.obj を扱おうと考えています。 他に扱いやすい型やソフトウェアがあれば教えてください。

撮影環境の変更

撮影環境を真横や正面から斜めまで対応した。 そのかわり，撮影時に撮影範囲の道路の長さをあらかじめ測定する 必要がある。 斜めから撮影した画像がしたの画像である。 この画像の赤で囲っている範囲で射影変換を行うことによって、光の線の長さ を求めることが出来る。

射影変換したときその範囲の長さが分かっていれば、その長さが射影変換後の画像の高さになる。

現在、Haarlike特徴とadaboostを用いた指先検出方法と、動的背景差分法と色フィルタを用いた指先検出法の比較用の実験データを集めています。 また、ICISIP2014の論文を作成しています。

現在、動的色フィルタに関する論文を読んでいます。 屋外での移動体カメラのための動的色フィルタによる物体検出法に関する研究, 矢野良和 本郷 仁志, 山本 和彦, “動領域内の肌色推定による顔領域および顔部品抽出”, 映情学論, Vol.52, No.12, pp.1840-1847, 1998 D. Chai and K.N. Ngan., “Locating facial region of a head and shoulders color image”, Proc. of Int.Conf. AutomaticFace and Gesture Recognition, pp.124-129, 1998.

[1] 指先と背景を以下のような方法で分離を行いました。 背景は動かない、指先は動く事を利用し、動くもののみを抽出できる動的背景差分法を利用します。 単純な動的背景差分法では、周辺光の影響により背景の分離がうまくいかないため、周辺光の影響を減少させるため、肌色フィルターを用いて、指先のみを抽出します。 具体的には、 1: 動的背景差分法を用いて、動く手を抽出する（同時に影も抽出される）。 2: 肌色フィルターをかけ、肌色部分を抽出する（影の部分を省く）。 3: 2値化を行う。 [2] この結果を全体ゼミで発表するための結果をまとめています。 今後ホワイトボードなどでも実験しようと思います。 またICISIP2014の論文を作成しています。

撮影した車両の光の線を学部時のシステムで抽出

重み付きヒストグラム自体が上手くできず、マスク処理にも失敗。 畳み込み積分時のヒストグラムとガウシアン関数の配列に原因があると思われる。 以前まではopencvのDFTを用いた畳み込み積分を行う際、配列の長さを自分で調整していた。 そのため、ヒストグラムの255の値まで畳み込みが行われていない可能性がある。

畳み込み積分と、閾値決定の改良

opencvのフーリエ変換と畳み込み積分のために最適な配列の長さを求める関数を使用した。 これにより、重み付きヒストグラムを出すことが出来た。 しかし、マスク処理を行ってみると閾値決定に原因があるのか光の線以外の場所がかなり残った。 重み付きヒストグラムを計算した際に、ヒストグラムのスケーリングを行っているため値の変化が小さくなり閾値決定に誤差が出ていると思われる。 そこで、スケーリングを行わずにヒストグラムを求めてみた。

これにより求められた閾値からマスク処理とラベリング処理を行い光の線を抽出した。

… Continue Reading ›› 研究進捗 既存手法の特性の調査 2014年7月1日 松田 望 コメントする 先週からの進捗 既存手法の精度測定用プログラムの作成をしています． 既存手法における精度以外の特性を調べるために，画像を作成しました。下記のリンクから見れます。 各画像からORB特徴点を26個抽出したもの（緑の点が特徴点） 実際の入力画像からORB特徴点を50個抽出し，姿勢推定したもの（緑の点が特徴点） 入力画像において，特徴点の抽出はできていますが，姿勢検出の結果が良くありません．原因として，抽出した特徴点とデータベースに登録済みの特徴点とのマッチングがうまくできていないと考えられます． 今週の予定 作成中のプログラムを完成させ，既存手法の精度を測定する． これまでの進捗をスライドにまとめる． 上記の問題を解決する処理を考える． の3点です． Stay Hungry, Stay Foolish!