情報処理学会 第81回全国大会講演要旨

近年，人間の行動認識が発展してきたのは3D Convolutionによるところが大きい．これはxy座標と同時に，時間tに対しても畳み込んでいる手法だが，3変数を同時に処理することが問題視されている．また，映像の背景が認識に貢献しすぎていることや，計算時間の膨大さにも注視しなければならない．したがって，本研究では，映像に比べてデータ量が少なく，人間の動作がとれるスケルトンデータを用いた識別を行う．学習器はLSTM（Long Short Term Memory）を用いる．学習器に入れる前に，フレームごとの座標の遷移の差分をとる処理を施す．また，どの程度の差分をとればよいのかを調べ，考察する．