特許ウォッチ

公開番号2024065477
公報種別公開特許公報(A)
公開日2024-05-15
出願番号2022174357
出願日2022-10-31
発明の名称情報処理装置、情報処理方法、プログラム
出願人日本電気株式会社
代理人個人,個人,個人,個人
主分類G06T 7/20 20170101AFI20240508BHJP(計算;計数)
要約【課題】人物の動作の変化を精度よく予測することができないこと。
【解決手段】本開示の情報処理装置100は、人物の動作を表す動作データである入力データから、動作について設定された基本動作に対応する動作データの特徴を表す基本特徴データと、動作について設定された動作傾向に対応する動作データの特徴を表す動作特徴データと、人物に対応する動作データの特徴を表す人物特徴データと、を抽出する特徴抽出手段121と基本特徴データと動作特徴データとに基づいて第一動作データを生成し、基本特徴データと人物特徴データとに基づいて第二動作データを生成する動作データ生成手段122と、第一動作データと第二動作データとに基づいて、特徴抽出手段と動作データ生成手段とを学習する学習手段123と、を備える。
【選択図】図11

特許請求の範囲【請求項１】
人物の動作を表す動作データである入力データから、前記動作について設定された基本動作に対応する前記動作データの特徴を表す基本特徴データと、前記動作について設定された動作傾向に対応する前記動作データの特徴を表す動作特徴データと、前記人物に対応する前記動作データの特徴を表す人物特徴データと、を抽出する特徴抽出手段と、
前記基本特徴データと前記動作特徴データとに基づいて第一動作データを生成し、前記基本特徴データと前記人物特徴データとに基づいて第二動作データを生成する動作データ生成手段と、
前記第一動作データと前記第二動作データとに基づいて、前記特徴抽出手段と前記動作データ生成手段とを学習する学習手段と、
を備えた情報処理装置。
続きを表示（約 2,200 文字）【請求項２】
請求項１に記載の情報処理装置であって、
前記学習手段は、前記特徴抽出手段及び前記動作データ生成手段において、前記入力データから前記第一動作データ及び前記第二動作データを生成すると共に、前記第一動作データと前記第二動作データとからそれぞれ前記入力データを生成するよう、前記特徴抽出手段と前記動作データ生成手段とを学習する、
情報処理装置。
【請求項３】
請求項１に記載の情報処理装置であって、
前記第一動作データと前記第二動作データとが、それぞれ前記動作データ生成手段にて生成されたデータであるか前記入力データであるかを識別するための特徴量である識別特徴量を生成する識別特徴抽出手段を備え、
前記学習手段は、前記識別特徴量を用いて前記特徴抽出手段と前記動作データ生成手段と前記識別特徴抽出手段とを学習する、
情報処理装置。
【請求項４】
請求項３に記載の情報処理装置であって、
前記識別特徴抽出手段は、前記入力データ及び前記第一動作データに対応する前記識別特徴量をそれぞれ生成する動作識別特徴抽出手段と、前記入力データ及び前記第二動作データに対応する前記識別特徴量をそれぞれ生成する個人識別特徴抽出手段と、を備え、
前記学習手段は、前記動作識別特徴抽出手段で生成された前記識別特徴量、及び、前記個人識別特徴抽出手段で生成された前記識別特徴量、を用いて敵対的学習を行うことで、前記特徴抽出手段と前記動作データ生成手段と前記識別特徴抽出手段とを学習する、
情報処理装置。
【請求項５】
請求項４に記載の情報処理装置であって、
前記個人識別特徴抽出手段は、さらに、前記第一動作データに対応する前記識別特徴量を生成し、
前記学習手段は、前記個人識別特徴抽出手段で生成された、前記入力データ及び前記第二動作データにそれぞれ対応する前記識別特徴量、及び、前記入力データ及び前記第一動作データのそれぞれに対応する前記識別特徴量、を用いて敵対的学習を行うことで、前記特徴抽出手段と前記動作データ生成手段と前記識別特徴抽出手段とを学習する、
情報処理装置。
【請求項６】
請求項４に記載の情報処理装置であって、
前記動作識別特徴抽出手段は、さらに、前記第二動作データに対応する前記識別特徴量を生成し、
前記学習手段は、前記動作識別特徴抽出手段で生成された、前記入力データ及び前記第一動作データにそれぞれ対応する前記識別特徴量、及び、前記入力データ及び前記第二動作データのそれぞれに対応する前記識別特徴量、を用いて敵対的学習を行うことで、前記特徴抽出手段と前記動作データ生成手段と前記識別特徴抽出手段とを学習する、
情報処理装置。
【請求項７】
請求項１に記載の情報処理装置であって、
前記学習手段は、前記基本特徴データと前記動作特徴データと前記人物特徴データとが、それぞれ予め設定されたラベルに分類されるよう、前記特徴抽出手段と前記動作データ生成手段とを学習する、
情報処理装置。
【請求項８】
特徴抽出手段が、人物の動作を表す動作データである入力データから、前記動作について設定された基本動作に対応する前記動作データの特徴を表す基本特徴データと、前記動作について設定された動作傾向に対応する前記動作データの特徴を表す動作特徴データと、前記人物に対応する前記動作データの特徴を表す人物特徴データと、を抽出し、
動作データ生成手段が、前記基本特徴データと前記動作特徴データとに基づいて第一動作データを生成し、前記基本特徴データと前記人物特徴データとに基づいて第二動作データを生成し、
学習手段が、前記第一動作データと前記第二動作データとに基づいて、前記特徴抽出手段と前記動作データ生成手段とを学習する、
情報処理方法。
【請求項９】
請求項８に記載の情報処理方法であって、
識別特徴抽出手段が、前記第一動作データと前記第二動作データとが、それぞれ前記動作データ生成手段にて生成されたデータであるか前記入力データであるかを識別するための特徴量である識別特徴量を生成し、
前記学習手段が、前記識別特徴量を用いて前記特徴抽出手段と前記動作データ生成手段と前記識別特徴抽出手段とを学習する、
情報処理方法。
【請求項１０】
特徴抽出手段が、人物の動作を表す動作データである入力データから、前記動作について設定された基本動作に対応する前記動作データの特徴を表す基本特徴データと、前記動作について設定された動作傾向に対応する前記動作データの特徴を表す動作特徴データと、前記人物に対応する前記動作データの特徴を表す人物特徴データと、を抽出し、
動作データ生成手段が、前記基本特徴データと前記動作特徴データとに基づいて第一動作データを生成し、前記基本特徴データと前記人物特徴データとに基づいて第二動作データを生成し、
学習手段が、前記第一動作データと前記第二動作データとに基づいて、前記特徴抽出手段と前記動作データ生成手段とを学習する、
処理をコンピュータに実行させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置、情報処理方法、プログラムに関する。
続きを表示（約 2,500 文字）【背景技術】
【０００２】
介護予防やフレイル予防に向けた運動を促進するにあたり、運動を開始・継続する動機付けとするために、運動による動作の改善効果を事前に認識したい、という要望がある。また、医療の分野においても、患者の疾病状態の変化に伴う動作の変化を予測したい、という要望がある。このような要望に関連する技術として、非特許文献１には、対象者の動作を変換することが記載されている。具体的に、非特許文献１では、まず、動作画像を、基本動作（例えば、walk, kick）と動作傾向（動作特徴（例えば、neutral, old））とで構成しており、基本動作を変えずに動作傾向を変換することが記載されている。
【先行技術文献】
【非特許文献】
【０００３】
Aberman, K., Weng, Y., Lischinski, D., Cohen-Or, D., & Chen, B. (2020). "Unpaired motion style transfer from video to animation. "ACM Transactions on Graphics (TOG), 39(4), 64-1.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上述した非特許文献１に記載の技術では、基本動作から動作傾向を変更することで、人物の動作の変化を予測することができるものの、人物には動作の個性があり、そのような個性を反映することができない。このため、人物の動作の変化を精度よく予測することができない、という問題が生じる。
【０００５】
このため、本開示の目的は、上述した課題である、人物の動作の変化を精度よく予測することができない、ことを解決することにある。
【課題を解決するための手段】
【０００６】
本開示の一形態である情報処理装置は、
人物の動作を表す動作データである入力データから、前記動作について設定された基本動作に対応する前記動作データの特徴を表す基本特徴データと、前記動作について設定された動作傾向に対応する前記動作データの特徴を表す動作特徴データと、前記人物に対応する前記動作データの特徴を表す人物特徴データと、を抽出する特徴抽出手段と、
前記基本特徴データと前記動作特徴データとに基づいて第一動作データを生成し、前記基本特徴データと前記人物特徴データとに基づいて第二動作データを生成する動作データ生成手段と、
前記第一動作データと前記第二動作データとに基づいて、前記特徴抽出手段と前記動作データ生成手段とを学習する学習手段と、
を備えた、
という構成をとる。
【０００７】
また、本開示の一形態である情報処理方法は、
特徴抽出手段が、人物の動作を表す動作データである入力データから、前記動作について設定された基本動作に対応する前記動作データの特徴を表す基本特徴データと、前記動作について設定された動作傾向に対応する前記動作データの特徴を表す動作特徴データと、前記人物に対応する前記動作データの特徴を表す人物特徴データと、を抽出し、
動作データ生成手段が、前記基本特徴データと前記動作特徴データとに基づいて第一動作データを生成し、前記基本特徴データと前記人物特徴データとに基づいて第二動作データを生成し、
学習手段が、前記第一動作データと前記第二動作データとに基づいて、前記特徴抽出手段と前記動作データ生成手段とを学習する、
という構成をとる。
【０００８】
また、本開示の一形態であるプログラムは、
特徴抽出手段が、人物の動作を表す動作データである入力データから、前記動作について設定された基本動作に対応する前記動作データの特徴を表す基本特徴データと、前記動作について設定された動作傾向に対応する前記動作データの特徴を表す動作特徴データと、前記人物に対応する前記動作データの特徴を表す人物特徴データと、を抽出し、
動作データ生成手段が、前記基本特徴データと前記動作特徴データとに基づいて第一動作データを生成し、前記基本特徴データと前記人物特徴データとに基づいて第二動作データを生成し、
学習手段が、前記第一動作データと前記第二動作データとに基づいて、前記特徴抽出手段と前記動作データ生成手段とを学習する、
処理をコンピュータに実行させる、
という構成をとる。
【発明の効果】
【０００９】
本開示は、以上のように構成されることにより、人物の動作の変化を精度よく予測することができる。
【図面の簡単な説明】
【００１０】
本開示の情報処理装置における処理の概要を説明するための図である。
本開示の情報処理装置における処理の概要を説明するための図である。
本開示の情報処理装置における処理の概要を説明するための図である。
本開示の実施形態１における情報処理装置の構成を示すブロック図である。
図４に開示した情報処理装置による処理の様子を示す図である。
図４に開示した情報処理装置による処理の様子を示す図である。
図４に開示した情報処理装置による処理の様子を示す図である。
図４に開示した情報処理装置の動作を示すフローチャートである。
図４に開示した情報処理装置の他の構成及び処理の様子を示す図である。
図４に開示した情報処理装置の他の構成及び処理の様子を示す図である。
本開示の実施形態２における情報処理装置のハードウェア構成を示すブロック図である。
本開示の実施形態２における情報処理装置の構成を示すブロック図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許