[論文レビュー] Tracking Motion and Proxemics using Thermal-sensor Array

Chandrayee Basu, Anthony Rowe|arXiv (Cornell University)|Nov 25, 2015

Video Surveillance and Tracking Methods参考文献 11被引用数 27

ひとこと要約

本稿では、8×8赤外センサアレイを用いて、低コストかつプライバシーを守る方法で、人の数の推定と動きの方向追跡を実現する手法を提案する。連結成分解析と局所的ピーク検出を組み合わせ、SVM分類を用いることで、人物数推定の正確性を80%に達成し、ピクセル時間系列間の相互相関を用いて、10 Hzのサンプリングレート下で1〜2サンプルの遅延を介して動きの方向を推定する。

ABSTRACT

Indoor tracking has all-pervasive applications beyond mere surveillance, for example in education, health monitoring, marketing, energy management and so on. Image and video based tracking systems are intrusive. Thermal array sensors on the other hand can provide coarse-grained tracking while preserving privacy of the subjects. The goal of the project is to facilitate motion detection and group proxemics modeling using an 8 x 8 infrared sensor array. Each of the 8 x 8 pixels is a temperature reading in Fahrenheit. We refer to each 8 x 8 matrix as a scene. We collected approximately 902 scenes with different configurations of human groups and different walking directions. We infer direction of motion of a subject across a set of scenes as left-to-right, right-to-left, up-to-down and down-to-up using cross-correlation analysis. We used features from connected component analysis of each background subtracted scene and performed Support Vector Machine classification to estimate number of instances of human subjects in the scene.

研究の動機と目的

• ビデオベースの手法に比べて侵襲性が低い、プライバシーを守る室内追跡システムの開発。
• 二値PIRセンサの限界を克服し、実時間での実際の占有者数と動きのパターンの推定を可能にする。
• 既存の赤外ベースの数え上げ手法を改善し、個々の人物をより明確に識別できるように、局所的励起ピークと連結成分特徴を組み込む。
• ビデオデータに依存せずに、ピクセル時間系列間の相互相関を用いて動きの方向を追跡可能にする。
• エネルギー管理、健康モニタリング、社会行動分析の応用を支援するため、粗い粒度ながらも情報豊かな占有状況と動きデータを提供する。

提案手法

• 10 Hzのサンプリングレートと華氏での温度測定を伴う8×8赤外センサアレイ（GridEYE）を用いて、902シーンの人物グループと歩行動作のデータを収集。
• 各シーンに対して背景差分処理を適用し、移動する熱的シグネチャを分離した後、特徴抽出を実施。
• 連結成分数、最大成分のサイズ、活性ピクセル数、および成分内での局所的励起ピーク数を含む特徴を抽出。
• 最適パラメータ C = 21 および γ = 0.0078 を用いて、10分割交差検証を用いてサポートベクターマシン（SVM）分類器を訓練し、人物数（1〜4例）を推定。
• 隣接ピクセルの時間系列間の正規化相互相関を用いて遅延行列を計算し、動きの方向（例：上から下、左から右）を推定。
• ピクセル間遅延に2サンプルの閾値を適用し、ノイズと区別し、一貫した動きパターンを特定。

実験結果

リサーチクエスチョン

• RQ1 連結成分とピークに基づく特徴を用いた赤外センサアレイは、従来の手法に比べて人物数推定の正確性を向上させることができるか？
• RQ2 赤外センサアレイのピクセル時間系列間の相互相関から、動きの方向をどの程度正確に推定できるか？
• RQ3 SVM分類は、赤外データからの人物数推定において、非教師ありクラスタリング（例：K-means）を上回る性能を示せるか？
• RQ4 局所的励起ピークは、密接に接近した人物の識別性をどの程度向上させるか？
• RQ5 単一の熱的強度時間系列のみを用いて、複数の歩行方向を的確に検出できるか？

主な発見

• SVM分類器は、連結成分とピーク特徴を組み合わせた結果、1〜4例の人物数推定において、学習精度89.8%、テスト精度80%を達成した。
• 4次元特徴を用いたK-meansクラスタリングでは、3人シーンで84%、4人シーンで92%、2人シーンで76%のクラスタリング精度を示したが、クラスタを実際の人数に一意にマッピングすることはできなかった。
• ピクセル時間系列間の相互相関解析により、動きの方向が的確に特定され、10 Hzのサンプリングレート下で1〜2サンプル（0.1〜0.2秒に相当）の遅延が観測された。
• 遅延パターンから推定した歩行速度は、実測値と一致しており、視野は2.5 m × 2.5 m、センサ高さは3 mであった。
• 連結成分内での局所的励起ピークは、標準的な連結成分特徴に加えて、数え上げ推定のための追加の識別力を提供し、性能向上に寄与した。
• 隣接ピクセル間の遅延に2サンプルの閾値を適用した場合、本研究のデータセットにおいて、方向運動とランダムな活性化を十分に区別できることが確認された。