TOP > 国内特許検索 > 動作認識装置及び動作認識方法

動作認識装置及び動作認識方法

国内特許コード P160012802
整理番号 S2014-1149-N0
掲載日 2016年2月24日
出願番号 特願2014-136732
公開番号 特開2016-015016
出願日 平成26年7月2日(2014.7.2)
公開日 平成28年1月28日(2016.1.28)
発明者
  • 駒井 章治
  • 渡辺 仁
出願人
  • 国立大学法人 奈良先端科学技術大学院大学
発明の名称 動作認識装置及び動作認識方法
発明の概要 【課題】実験動物等の行動解析において、トラッキング精度を向上させる。
【解決手段】動体12の動作を、撮像部11により撮像された動体12の複数フレームの画像から自動的に認識する動作認識装置20において、前記画像中で動体12に対応する動体領域の重心である全体重心を特定する全体重心特定手段44と、前記動体領域を機械学習アルゴリズムを用いて複数の領域に分割する領域分割手段45と、領域分割手段45が分割した複数の領域のうち所定領域において、前記全体重心から最も遠い点を前記動体の端点と特定する端点特定手段46とを備える。
【選択図】図1
従来技術、競合技術の概要


マウス等に代表される実験動物の行動を撮影して解析することは、動物行動学等の基礎研究の他、医薬品の薬効試験等において広く採用されている実験手法である。古典的には、撮影された映像を実験者が目視にて観察し、いくつかの類型化された行動を検出して記録するといった手法が取られていたが、この手法には目視観察に起因する労働コストの高さや、観察者の主観的判断に依存するが故の再現性の低さといった多くの問題がある。



こうした問題を解決するため、従来、様々な自動解析ソフトウェアが開発されてきた。例えば、上方からの撮影画像からマウスの重心を検出し、各時点での位置及び移動速度、並びに所定時間範囲内での移動経路等をトラッキングするものが広く使用されている。
なお、ここでの「重心」とは、撮影画像から適宜の手法で検出された2次元図形に関して求められる点であり、マウスの体積や体重を考慮したものではない。以降、本明細書中で用いられる「重心」との語は上記の意味を持つものである。



さらに近年では、マウスの行動をより詳細に観察する手法として、モデルフィッティングを用いた手法が開示されている。こうした例としては物理モデルフィッティング(非特許文献1及び図10(a)を参照)や楕円フィッティング(非特許文献2及び図10(b)参照)を挙げることができる。これらの手法によれば、マウスの動きや体の向き等を目視によらずともトラッキングすることができる。

産業上の利用分野


本発明は、実験動物等の動体の動作を自動的に認識する動作認識装置及び動作認識方法等に関する。

特許請求の範囲 【請求項1】
動体の動作を、撮像部により撮像された該動体の複数フレームの画像から自動的に認識する認識装置であって、
a) 前記画像中で前記動体に対応する動体領域の重心である全体重心を特定する全体重心特定手段と、
b) 前記動体領域を機械学習アルゴリズムを用いて複数の領域に分割する領域分割手段と、
c) 前記領域分割手段が分割した複数の領域のうち所定領域において、前記全体重心から最も遠い点を前記動体の端点として特定する端点特定手段と、
を備えることを特徴とする動作認識装置。

【請求項2】
前記動体は前後軸を有する動物であり、
前記領域分割手段は、前記動体領域を前後方向に分割し、
前記端点特定手段は、前記複数の領域のうち前記前後方向の一方の端部に位置する領域である端部領域において、前記全体重心から最も遠い点を前記動体の端点として特定することを特徴とする請求項1に記載の動作認識装置。

【請求項3】
d) 前記端部領域の重心を特定する端部重心特定手段
をさらに備えることを特徴とする請求項2に記載の動作認識装置。

【請求項4】
前記端部重心特定手段は、直前に特定した前記端部領域の重心を、次フレームにおいて特定すべき前記端部領域の重心の初期値とすることを特徴とする請求項3に記載の動作認識装置。

【請求項5】
前記領域分割手段が用いる機械学習アルゴリズムがk-meansクラスタリングであることを特徴とする請求項1~4のいずれかに記載の動作認識装置。

【請求項6】
前記領域分割手段は、予備実験の結果に基づいて前記動体領域の分割数を決定することを特徴とする請求項1~5のいずれかに記載の動作認識装置。

【請求項7】
動体の動作を、撮像部により撮像された該動体の複数フレームの画像から自動的に認識する認識方法であって、
a) 前記画像中で前記動体に対応する動体領域の重心である全体重心を特定する全体重心特定ステップと、
b) 前記動体領域を機械学習アルゴリズムを用いて複数の領域に分割する領域分割ステップと、
c) 前記領域分割ステップにて分割した複数の領域のうち所定領域において、前記全体重心から最も遠い点を前記動体の端点として特定する端点特定ステップと、
を含むことを特徴とする動作認識方法。

【請求項8】
前記動体は前後軸を有する動物であり、
前記分割領域ステップにて、前記動体領域を前後方向に分割し、
前記端点特定ステップにて、前記複数の領域のうち前記前後方向の一方の端部に位置する領域である端部領域において、前記全体重心から最も遠い点を前記動体の端点として特定することを特徴とする請求項7に記載の動作認識方法。

【請求項9】
d) 前記端部領域の重心を特定する端部重心特定ステップ
をさらに含むことを特徴とする請求項8に記載の動作認識方法。

【請求項10】
前記端部重心特定ステップにて、直前に特定した前記端部領域の重心を、次フレームにおいて特定すべき前記端部領域の重心の初期値とすることを特徴とする請求項9に記載の動作認識方法。

【請求項11】
前記領域分割ステップにて用いる機械学習アルゴリズムがk-meansクラスタリングであることを特徴とする請求項7~10のいずれかに記載の動作認識方法。

【請求項12】
前記領域分割ステップにて、予備実験の結果に基づいて前記動体領域の分割数を決定することを特徴とする請求項7~11のいずれかに記載の動作認識方法。

【請求項13】
コンピュータを請求項1~6のいずれかに記載の動作認識装置の各手段として機能させるための制御プログラム。
国際特許分類(IPC)
Fターム
画像

※ 画像をクリックすると拡大します。

JP2014136732thum.jpg
出願権利状態 公開
ライセンスをご希望の方、特許の内容に興味を持たれた方は、下記「問合せ先」までお問い合わせください。


PAGE TOP

close
close
close
close
close
close
close