森本 雅和

ブロック実行型周波数領域適応アルゴリズムでは,その動作を安定化させるためにブロック長(加算数)を一定以上とする必要がある.さらに,その必要加算数は参照信号の自己相関の強さと関連し,その相関が強いほど多くなることが知られている.しかし,加算数を大きくすることで係数更新の間隔が広がり,誤差の大きい区間が係数の収束初期において長く続くという問題が生じる.本論文では,まず,周波数領域適応アルゴリズムの正規化法についての検討を行う.そして,正規化法からブロック実行型周波数領域適応アルゴリズムにおける加算数を削減する手法を提案し,その有効性をシミュレーションにより確認する.

本報告では,参照信号にわずかに含まれる独立成分を最大限に利用する周波数領域2チャネルシステム同定アルゴリズムのーつを提案する.一般に,チャネル数が複数のシステムでは参照信号間に強い相関が存在する場合があり,それは同定を困難とさせる.その対策として参照信号に独立成分を加えることで相関を低下させ,それによって同定を可能とする処理が一般に用いられる.しかし,能動騒音制御装置では独立成分を参照信号に加える処理の適用が構造的に困難という問題がある.この問題を解決するために筆者らは参照信号に独立成分を加えるのではなく,わずかに含まれる独立成分を最大限に利用することで同定を可能とする時間領域適応アルゴリズムの一つを提案している.本報告では,そこで必要となる独立成分の抽出と適応フィルタの係数更新を周波数領域で行うアルゴリズムの一つを示し,その有効性をシミュレーションで確認する.

従来の連立方程式法では2次系に非最小位相が含まれている場合,再帰型フィルタが発散してしまうという問題点があった.本論文では非最小位相に着目し,提案法の有効性をシミュレーションにより確認する.

本報告では,マイクロアレーによる音声強調システムを提案する.このシステムは,到来する音声のシステムに対する因果律を利用し,騒音方向に死角を形成し,音声強調を行う.

本論文ではエコー経路変動直後から連続してダブルトーク状態となる場合でも適応フィルタの係数が安定かつ高速に収束するステップサイズ制御法の一つを提案する.その制御には,ステップサイズが外乱と参照信号のパワー,エコー消去量に対応する推定誤差の所要値の関数として規定されることが利用される.筆者らは既にステップサイズが固定の副適応フィルタを導入して外乱のパワーを推定し,そのパワーと予め定めた推定誤差の所要値からステップサイズを決定する制御法を提案している.しかし,この制御法ではエコー経路変動直後からダブルトークが連続する場合には対処できない.この問題を本論文では,ステップサイズを制御する第2の副適応フィルタを新たに加えて推定誤差の所要値を制御することによって解決する.最後に,白色雑音と音声を参照信号とするシミュレーションを行い,参照信号対外乱のパワー比が高い場合に収束速度はステップサイズを理想値に固定した場合と同等,低い場合には格段に改善されることを示す.

本報告では,マイクロアレーによる音声強調システムを提案する.このシステムは,到来する音声のシステムに対する因果律を利用し,騒音方向に死角を形成し,音声強調を行う。

本論文では,非再帰型と再帰型フィルタの縦続接続として構成される適応フィルタで未知系の同定を行う新しい手法の一つを提案する.このような同定手法は大きく二つに分類される.その一つは出力誤差法であり,もう一つは方程式誤差法である.本手法は後者に属する.この後者の手法では高速で安定した同定が可能であるが,反面,外乱の影響を受けてバイアス誤差が発生することが知られている.本論文では,そのバイアス誤差が非再帰型の適応フィルタにより同定されていること示すとともにシミュレーションを用い確認する.また,周波数領域適応アルゴリズムを適用しバイアス誤差の低減を行う手法の一つを提案する.

本稿では広域監視映像から切出した低解像度の顔画像から顔方向を推定する手法を提案する.提案法はまず背景差分法によって移動物体を検出する.次にhistograms of oriented gradients(HOG)特徴とsupport vector machine(SVM)を用いて歩行者の検出を行う.その後,テンプレートマッチングによって顔画像を取得して最後にSVMを用いて顔方向を推定する.顔データベースを用いた実験結果より,画像中の顔の解像度変化と位置変化を学習することで推定する画像の顔の大きさや位置が変化していても96%以上の推定率で推定できることを確認した.また,実際に撮影した動画から切出した顔画像に対する実験結果より,顔の解像度変化と位置変化を学習することで実画像においても誤差0の推定率が34%から38%に,誤差±30°以内の推定率が68%から72%に向上することを確認した.

本稿では広域監視映像から切出した低解像度の顔画像から顔方向を推定する手法を提案する.提案法はまず背景差分法によって移動物体を検出する.次にhistograms of oriented gradients (HOG)特徴とsupport vector machine (SVM)を用いて歩行者の検出を行う.その後,テンプレートマッチングによって顔画像を取得して最後にSVMを用いて顔方向を推定する.顔データベースを用いた実験結果より,画像中の顔の解像度変化と位置変化を学習することで推定する画像の顔の大きさや位置が変化していても96%以上の推定率で推定できることを確認した.また,実際に撮影した動画から切出した顔画像に対する実験結果より,顔の解像度変化と位置変化を学習することで実画像においても誤差0の推定率が34%から38%に,誤差±30°以内の推定率が68%から72%に向上することを確認した.

一般に能動騒音制御の騒音制御フィルタは非再帰型フィルタのみで構成されている.この場合,制御スピーカ,誤差検出マイクロホン間の距離を長くとることで因果律を満たす必要が生じる.そのため,システムの小型化を考えた場合十分な消音効果が得られない.本論文では,再帰型フィルタと非再帰型フィルタの縦続接続を騒音制御フィルタとすることを提案する.この騒音制御フィルタを用いることで制御スピーカ,誤差検出マイクロホン間の距離が短い場合でも十分な消音効果が得られることが考えられる.また,未知系を再帰非再帰縦続型にすることで実空間を想定したシミュレーションを行った.

本報告では,周波数領域適応アルゴリズムと時間領域適応アルゴリズムを併用したダブルトークとエコー経路変動の識別を必要としない制御法を提案する.音響エコーキャンセラには適応フィルタの係数が乱れる3つの要因がある.その一つは,参照信号となる遠端話者音声のパワー変動,あと二つは外乱として働く近端話者音声の重畳(ダブルトークと呼ばれる)とエコー経路変動である.このうち,初めのパワー変動については適応アルゴリズムをブロック実行型とし,そのパワーでそのブロック長を制御することによって解決される.残る二つの要因による係数の乱れについては,その両者を識別し,前者と判断された場合はステップサイズを小さく,後者と判断された場合は大きく設定する処置の適用が有効であるとされている.しかし,その識別を素早く,また確実に実行することは難しい.本報告では,そのダブルトークとエコー経路変動を区別することなく,適応フィルタの係数を更新しても推定誤差が安定に,また素早く低減できるステップサイズの制御を行う.その制御は別に用意した,大きなステップサイズと少ないタップ数の副適応フィルタが生成する残留エコーのパワーを外乱のパワーと近似して行う.当然ながら,副適応フィルタの係数の収束は早く,その残留エコーは急速に減少し,そのパワーは外乱のパワーに近似される.このパワーを用いてステップサイズを制御すればエコー経路変動においては大きなステップサイズが,ダブルトークにおいては小さなステップサイズが自動的に設定されることになる.

本報告では,チャネル数が2のシステムにおいて,参照信号間の相互相関を低減する手法を提案する.一般に,マルチチャネルシステム同定において参照信号間に相互相関が存在する場合,通常の学習同定法では未知系の同定速度は低下する.そこで,提案するアルゴリズムを用いることにより同定速度が向上することシミュレーションにより確認する.また,その収束条件を導出し,その有効性を確認する.

屋外広域を撮影する既存の監視カメラの映像を他の用途に活用する際には,プライバシーの保護を最大限に考慮する必要がある.そこで,撮影した画像を個人の判別が困難な程度に低解像度化し,その低解像度画像から人物の顔方向を推定するシステムを提案する.提案システムではSVMを用いた多クラス分類により顔方向を推定する.顔データベースを用いた実験では,6×6画素の入力顔画像に対して15度刻み13方向の顔方向を90%以上の推定率で推定することが確認できた.また,顔データベースと撮影環境の大きく異なる屋外歩行者を撮影した画像に対して各種補正を行い,顔データベースの学習結果を用いて推定を行った結果,10×10画素の入力画像に対して平均推定誤差21度の結果を得た.

本稿では,円筒型の金属加工品を検査対象とし,工場ライン上でその表面に発生するキズやシミといった異種欠陥を,その表面をラインCCDセンサで撮影し得られたラインCCD画像からSVM(Support Vector Machines)を用いて検出する.そして,学習データの精製を行い,シミとキズの欠陥を別々に検出することで識別精度の向上を図る.また,特徴ベクトル成分のうち有効な成分のみを選択することで,識別精度を保ちつつ,処理時間の低減を行う.

屋外広域を撮影する既存の監視カメラの映像を他の用途に活用する際には,プライバシーの保護を最大限に考慮する必要がある.そこで,撮影した画像を個人の判別が困難な程度に低解像度化し,その低解像度画像から人物の顔方向を推定するシステムを提案する.提案システムではSVMを用いた多クラス分類により顔方向を推定する.顔データベースを用いた実験では,6×6画素の入力顔画像に対して15度刻み13方向の顔方向を90%以上の推定率で推定することが確認できた.また,顔データベースと撮影環境の大きく異なる屋外歩行者を撮影した画像に対して各種補正を行い,顔データベースの学習結果を用いて推定を行った結果,10×10画素の入力画像に対して平均推定誤差21度の結果を得た.

本稿では,円筒型の金属加工品を検査対象とし,工場ライン上でその表面に発生するキズやシミといった異種欠陥を,その表面をラインCCDセンサで撮影し得られたラインCCD画像からSVM(Support Vector Machines)を用いて検出する.そして,学習データの精製を行い,シミとキズの欠陥を別々に検出することで識別精度の向上を図る.また,特徴ベクトル成分のうち有効な成分のみを選択することで,識別精度を保ちつつ,処理時間の低減を行う.

屋外広域を撮影する既存の監視カメラの映像を他の用途に活用する際には,プライバシーの保護を最大限に考慮する必要がある.そこで,撮影した画像を個人の判別が困難な程度に低解像度化し,その低解像度画像から人物の顔方向を推定するシステムを提案する.提案システムではSVMを用いた多クラス分類により顔方向を推定する.顔データベースを用いた実験では,6×6画素の入力顔画像に対して15度刻み13方向の顔方向を90%以上の推定率で推定することが確認できた.また,顔データベースと撮影環境の大きく異なる屋外歩行者を撮影した画像に対して各種補正を行い,顔データベースの学習結果を用いて推定を行った結果,10×10画素の入力画像に対して平均推定誤差21度の結果を得た.

顔パーツの特定が困難な程度の，低解像度の顔画像から顔方向を推定するシステムを提案する．顔方向推定はサポートベクターマシンを用いる．顔データベースを用いた実験結果より， 6×6 ピクセルの入力顔画像に対して 15 度刻み 13 方向の顔方向を 90% 以上の推定率で推定することが確認できた．実際に撮影した動画から切り出した顔画像に対する実験結果より，顔切り出し領域は首から上で頭部輪郭が画像内に収まる大きさが，低解像度画像では適切であることを確認した．また，そのときの平均推定誤差は 34.3 度，サンプル画像の 50% 以上が誤差 15 度以下で推定できることを確認した．In this paper, we propose a facial direction estimating system from low resolution facial images captured by surveillance camera. The facial direction is estimated by using support vector machine (SVM) . Experimental results show that, when we use 6x6 pixels facial database images as input, we can estimate 13 facial directions in increments of 15 degrees with accuracy more than 90%. Experimental results of surveillance camera images shows that, the appropriate size for low resolution images is from neck up and head outline fit into image. In that case, average estimate error is 34.3 degree and move than half images can be estimated within 15 degree errors.

顔パーツの特定が困難な程度の,低解像度の顔画像から顔方向を推定するシステムを提案する.顔方向推定はサポートベクターマシンを用いる.顔データベースを用いた実験結果より,6×6ピクセルの入力顔画像に対して15度刻み13方向の顔方向を90%以上の推定率で推定することが確認できた.実際に撮影した動画から切り出した顔画像に対する実験結果より,顔切り出し領域は首から上で頭部輪郭が画像内に収まる大きさが,低解像度画像では適切であることを確認した.また,そのときの平均推定誤差は34.3度,サンプル画像の50%以上が誤差15度以下で推定できることを確認した.

顔パーツの特定が困難な程度の,低解像度の顔画像から顔方向を推定するシステムを提案する.顔方向推定はサポートベクターマシンを用いる.顔データベースを用いた実験結果より,6×6ピクセルの入力顔画像に対して15度刻み13方向の顔方向を90%以上の推定率で推定することが確認できた.実際に撮影した動画から切り出した顔画像に対する実験結果より,顔切り出し領域は首から上で頭部輪郭が画像内に収まる大きさが,低解像度画像では適切であることを確認した.また,そのときの平均推定誤差は34.3度,サンプル画像の50%以上が誤差15度以下で推定できることを確認した.

従来のDVカメラを利用した自然光による視線検出システムでは, 瞳付近の拡大画像を得るために頭部にカメラを取付けるか, 頭部を固定する必要があった.本報告では, パン・チルト・ズーム(PTZ)カメラを利用することで, 頭部が自由に移動しても視線方向と視点(頭部)位置の双方を同時に測定できるシステムを開発し, その精度と追跡能力について検討する.

オフライン手書き文字認識システムにおいて,癖のある文字を正しく認識するのは困難な問題となっている.過去に手書き数字に関しては,同じ数字を複数にクラスタリングすることで認識率を改善する方法が提案されている.そこで本研究では,この方法を手書き文字全般に拡張するとともに,数個の文字から個人筆記特徴を抽出することによって他の文字を高い精度で認識する方式を提案した.その結果,個人筆記特性を用いない場合に比べて全体の認識率改善量は約0.5%だったが,特に個性的な文字の認識率を改善できた.

オフライン手書き文字認識システムにおいて,癖のある文字を正しく認識するのは困難な問題となっている.過去に手書き数字に関しては,同じ数字を複数にクラスタリングすることで認識率を改善する方法が提案されている.そこで本研究では,この方法を手書き文字全般に拡張するとともに,数個の文字から個人筆記特徴を抽出することによって他の文字を高い精度で認識する方式を提案した.その結果,個人筆記特性を用いない場合に比べて全体の認識率改善量は約0.5%だったが,特に個性的な文字の認識率を改善できた.

オフライン手書き文字認識システムにおいて,癖のある文字を正しく認識するのは困難な問題となっている.過去に手書き数字に関しては,同じ数字を複数にクラスタリングすることで認識率を改善する方法が提案されている.そこで本研究では,この方法を手書き文字全般に拡張するとともに,数個の文字から個人筆記特徴を抽出することによって他の文字を高い精度で認識する方式を提案した.その結果,個人筆記特性を用いない場合に比べて全体の認識率改善量は約0.5%だったが,特に個性的な文字の認識率を改善できた.