グラフベースのスケルトンモデリングによる人体行動分析

センサ情報に基づく人間の行動理解は、多くの応用分野で求められており、活発な研究領域である。深度センサおよび追跡アルゴリズムの進展により、市販のモーショントラッキングシステムとアプリケーション固有の学習ツールを組み合わせることで、人間の運動行動分析システムを構築することが可能になった。多くのモーショントラッキングシステムは、人体の骨格関節に紐づけられた原始的な運動データを提供している。本稿では、骨格に基づくグラフ構造とグラフ信号処理の技術を用いて、人間の運動データに対する新たな表現手法を提案する。グラフ構築手法およびそれに対応する基底関数についても検討する。提案手法は、行動認識タスクにおいて従来手法と同等の分類性能を達成するだけでなく、ノイズやデータ欠損に対してより高いロバスト性を有している。