富士通利用深度學習分析骨架數據,大幅提高複雜行為辨識度

2021 年 1 月 20 日，台北報導

日本富士通研究所行為識別技術 實現世界第一識別精度

富士通研究所1月13日發表新的AI技術，透過深度學習可從關節位置識別複雜的人類行為，並成功實現了世界第一的高精度圖像識別。

這項行為識別技術，透過深度學習來識別多個關節串聯的複雜動作，或獲取行為中相鄰關節位置資訊。較過往未使用鄰近關節資訊的常規技術相比，獲得相當顯著的進步。

例如開箱取出物品，手、肘部及肩關節隨著手臂彎曲和伸展，這樣多關節相互變化的複雜行為也能獲得識別。

富士通研究所於1月10日至1月15日在線上舉行的第25屆國際模式識別會議(25th International Conference on Pattern Recognition, ICPR 2020)中揭幕這項新AI技術的細節。

未來應用

2021年中，富士通研究所將追加此項新技術至「行為分析技術Actlyzer」[1] 中，期待打造更高精確度且能快速應用的辨識系統。

應用於檢查工廠的工作程序以及檢測公共環境中的危險行為，可望大力提升社會安全性。

關於新技術

近年來AI技術的進步，已實現深度學習從視頻圖像識別人類行為。

一般來說，利用AI進行人類行為識別取決於各骨骼關節位置的時間變化，包括手、肘部及肩關節的識別特徵，然後將這些特徵連接到簡單的運動模式(例如站立或坐下)。常規技術下已能準確掌握每個關節的特性。再加上對完成訓練的AI模型，進一步提供連接相鄰關節的組合特徵，來實現複雜運動的高精度識別。

富士通針對圖形卷積神經網路(Graph Convolutional Networks, GCN) 開發了一組新的AI模型，藉由採取透過以人體關節姿勢的結構為節點作為基礎，以鄰近關節(作為節線)所構成的圖來執行圖結構的卷積運算。

透過關節的時間序列數據，預先訓練此模型可以優化與相鄰關節的連接強度(Weight)並可以獲取用於行為識別的有效連接關係。

這項技術利用骨架數據對行為識別領域的世界基準進行了評估。在實際數據中，與簡單行為(如坐、立)相比，準確率和常規技術持平；然而，在諸如開箱或扔擲的複雜行為辨識上準確率則大大地提升，與常規技術相比提高了7％以上，成功達到世界第一的識別精度。

【本篇新聞為Fujitsu Limited 於2021/1/13發布之新聞稿摘要】

原文出處

• 英文 https://www.fujitsu.com/global/about/resources/news/press-releases/2021/0113-01.html

• 日文 https://pr.fujitsu.com/jp/news/2021/01/13.html

---