松下博, 森吉弘, 乾敏郎
スケルトンを用いた階層的形状記述
およびニューラルネットによる階層的形状識別
Abstract:3-D非剛体の形状認識は，観察者の視点の変化および形状自体の変化をいかに
記述し，効率のよい認識方式に結び付けるかが問題である．また，認識に際しては，
モデルと実データをどのようにマッチングするかが重要である．本テクニカルレポ
ートでは，対象として，3-D非剛体のシルエット画像を扱う．形状記述の表現素
としてスケルトン（骨格）を用い，多重解像度表現に基づく階層的形状記述アルゴリ
ズムを提案する．さらに，ニューラルネットワークモデルを用いた階層的学習によ
り，形状モデルの自動生成を行い，学習後のネットワークを用いた階層的形状識別
手法を提案する．その結果，非剛体形状は，そのスケルトンにより特徴がよく反映
され，柔軟で効率のよい形状識別が可能となった．