大阪大学産業科学研究所の八木康史教授・槇原靖教授らの研究グループは、1枚の歩行画像で分析可能な歩容認証手法を世界で初めて開発しました。

従来の歩容認証手法は、1周期(左右2歩の約1秒分)の歩行映像を用いるものが主であり、認証までのタイムラグが生じること、また、混雑環境下で全身像が一瞬しか観測されない状況では利用が困難といった問題がありました。また、任意枚数の歩行画像を入力とする歩容認証手法も提案されていますが、入力の歩行画像の枚数が1枚になると、認証精度が大幅に低下するという問題を抱えていました。

今回、本研究グループは、1枚の歩行画像から1周期分の歩行映像を復元する深層学習モデルを開発し、歩容認証のための深層学習モデルと共にモデルパラメータを学習することで、従来手法と比較して、認識誤り率を約15分の1に低減することに成功しました。これにより、たった1枚の歩行スナップ写真からの歩容鑑定、全身像が一瞬しか見えないような混雑環境下での防犯・監視、リアルタイムのアクセスコントロール等への応用が期待されます。

本研究成果は、コンピュータビジョンに関する第16回欧州会議(ECCV2020，会期: 2020年8月23日~28日)において、発表されました。

歩容認証は、カメラから遠く離れた場所でも利用できる唯一のバイオメトリクス(生体情報) として、防犯カメラ映像を用いた科学捜査への活用が進んできました。従来の歩容認証手法は、1周期(左右2歩の約1秒分)の歩行映像を用いるものが主であり、認証までのタイムラグが生じること、また、混雑環境下で全身像が一瞬しか観測されない状況では利用が困難といった問題がありました。また、任意枚数の歩行画像を入力とする歩容認証手法も提案されていますが、入力の歩行画像の枚数が1枚になると、認証精度が大幅に低下するという問題を抱えていました。

今回、本研究グループは、1枚の歩行画像から、その位相(歩行姿勢)を推定しつつ、1周期分の歩行映像を復元する深層学習モデルを開発しました。1周期分の歩行映像が復元されると、従来の様々な歩容認証手法と組み合わせて用いることが可能になります。そこで、復元した1周期分の歩行映像を入力した歩容認証の深層学習モデルと1周期復元の深層学習モデルを組み合わせて、双方のモデルパラメータを全体最適化によって学習する枠組みを構築しました （図1） 。約10,000人を含む公開歩行映像データベースを用いて認証精度の評価実験を行い、従来手法と比較して、本人認証 における等価誤り率 を約15分の1に低減し、個人識別 (登録人数を約5,000人とした場合)における1位認証率 を約5.5倍に改善することに成功しました。

図1　1枚の歩行画像からの1周期復元による歩容認証

本研究成果により、1枚の歩行画像しか利用できない場面や、リアルタイム性が必要とされる場面においても歩容認証が利用可能になります。これにより、例えば、犯行現場で目撃情報として得られた犯人の1枚の歩行スナップ写真から歩容による鑑定を実施すること、混雑環境下において全身像が一瞬しか見えず少数の歩行画像しか利用できない状況でウォッチリストを検出・監視すること、アクセスコントロ-ルのために入退室を許可された人物か否かをリアルタムに判断すること等、様々な応用展開が期待されます。

本研究成果は、コンピュータビジョンに関する第16回欧州会議(ECCV2020，会期:2020年8月23日~28日)において、発表されました。

タイトル:"`Gait Recognition from a Single Image using a Phase-Aware Gait Cycle Reconstruction Network"
著者名:C. Xu, Y. Makihara, X. Li, Y. Yagi, and J. Lu

なお、本研究は、日本学術振興会科学研究費補助金 基盤研究(A)JP18H04115、基盤研究(A)JP20H0060、新学術領域研究JP19H05692の一環として行われました。