[論文レビュー] Detection, Recognition and Tracking of Moving Objects from Real-time Video via SP Theory of Intelligence and Species Inspired PSO

Kumar S. Ray, Sayandip Dutta+1 more|arXiv (Cornell University)|Apr 12, 2017

Video Surveillance and Tracking Methods参考文献 14被引用数 7

ひとこと要約

本稿では、物体表現に知能のSP理論を、追跡に種由来の粒子群最適化（PSO）を用いて、動く物体の検出・認識・追跡をリアルタイムで行う新規フレームワークを提案する。複数のアラインメントと多種的カテゴリーを活用して階層的パーツとサブパーツをモデル化することで、遮蔽やシーンの変動に対しても頑健な認識が可能となり、David や Jogging といった標準動画ベンチマークでも競争力のある性能を達成した。

ABSTRACT

In this paper, we address the basic problem of recognizing moving objects in video images using SP Theory of Intelligence. The concept of SP Theory of Intelligence which is a framework of artificial intelligence, was first introduced by Gerard J Wolff, where S stands for Simplicity and P stands for Power. Using the concept of multiple alignment, we detect and recognize object of our interest in video frames with multilevel hierarchical parts and subparts, based on polythetic categories. We track the recognized objects using the species based Particle Swarm Optimization (PSO). First, we extract the multiple alignment of our object of interest from training images. In order to recognize accurately and handle occlusion, we use the polythetic concepts on raw data line to omit the redundant noise via searching for best alignment representing the features from the extracted alignments. We recognize the domain of interest from the video scenes in form of wide variety of multiple alignments to handle scene variability. Unsupervised learning is done in the SP model following the DONSVIC principle and natural structures are discovered via information compression and pattern analysis. After successful recognition of objects, we use species based PSO algorithm as the alignments of our object of interest is analogues to observation likelihood and fitness ability of species. Subsequently, we analyze the competition and repulsion among species with annealed Gaussian based PSO. We have tested our algorithms on David, Walking2, FaceOcc1, Jogging and Dudek, obtaining very satisfactory and competitive results.

研究の動機と目的

• 変動する照明、ポーズ、遮蔽条件下でもリアルタイム動画における物体認識の課題に取り組む。
• 知能のSP理論の原則を用いて、物体検出・認識・追跡を統合する統一フレームワークを構築する。
• 種由来のPSO最適化フレームワークにおいて、物体アラインメントをフィットネス関数としてモデル化することで、追跡の頑健性を向上させる。
• 情報圧縮とパターン発見によるDONSVIC原理を用いて、教師なし学習を可能にする。
• 複数の階層的アラインメントと多種的カテゴリーを用いて物体を表現することで、シーンの変動に耐性を持つ。

提案手法

• 『S』が単純性を、『P』がパワーを表す知能のSP理論を用い、パーツとサブパーツの複数の階層的アラインメントによって物体を表現する。
• 複数のインスタンス間の共通性を特定することで、多種的カテゴリーを用いて物体特徴をモデル化し、生の画像データからのノイズと冗長性を低減する。
• 情報圧縮とパターン分析を通じて自然構造を発見する情報圧縮に基づく教師なし学習を採用する。
• 物体アラインメントを観測尤度とフィットネス関数として、種由来のPSOアルゴリズムにマッピングし、各粒子が物体の潜在的状態を表す。
• 冷却されたガウス分布を用いて種（粒子）間の競争と反発をモデル化するアニールドガウスベースのPSOを実装し、追跡中の収束性と頑健性を向上させる。
• 学習画像から複数のアラインメントを抽出し、それをリアルタイムの動画シーケンスにおける認識・追跡の基準テンプレートとして利用する。

実験結果

リサーチクエスチョン

• RQ1 統一された認知フレームワークを用いて、遮蔽やシーン変動の下でもリアルタイム動画における物体認識をどのように改善できるか？
• RQ2 SP理論の知能は、複数のアラインメントを用いて階層的物体パーツをどの程度頑健に表現できるか？
• RQ3 種由来PSOは、動的動画環境下で標準PSOと比較して、追跡性能をどのように向上させるか？
• RQ4 教師なし学習によるDONSVIC原理は、ラベルなしデータから自然な物体構造を効果的に発見できるか？
• RQ5 多種的カテゴリーは、生の動画データにおけるノイズ低減と認識精度の向上にどのように寄与するか？

主な発見

• 提案手法は、David、Walking2、FaceOcc1、Jogging、Dudek といったベンチマーク動画シーケンスで、非常に競争力のある認識・追跡結果を達成した。
• 複数のアラインメントと多種的カテゴリーの活用により、部分的遮蔽やシーン変動下でも認識の頑健性が顕著に向上した。
• 冷却されたガウス分布を用いて粒子間の競争と反発をモデル化した種由来PSOは、収束性と安定性の両面で優れた性能を示した。
• 情報圧縮に基づくDONSVIC原理による教師なし学習は、手動アノテーションなしに自然な物体構造を効果的に発見し、特徴抽出を可能にした。
• SPに基づく表現とPSOに基づく追跡の統合により、複雑な動画ダイナミクスに対処する包括的で優れたシステムが実現された。
• 本フレームワークは、多様な動画ドメインにわたる強力な一般化性能を示しており、実世界の監視・モニタリング応用へのスケーラビリティと適応性を示している。