山本 雄平

近年，深層学習の著しい発展により，カメラ映像から物体追跡の精度が飛躍的に向上した．しかし，長時間にわたって多数の人物を追跡するには，既存手法ではオクルージョンにより追跡が失敗するという課題がある．この課題を解消するため，オクルージョン箇所において人物の軌跡が分断されたことで生成されるtracklet（短時間において正確に追跡した短い軌跡）と，対象人物とを再度同定する手法が提案されている．しかし，オクルージョンによる身体部位の遮蔽の度合いや，姿勢と向きより生じる人物画像の変化に対応できず，人物同定が安定しないことが分かっている．そこで，本研究では，深層距離学習を用いて選手個人の画像群から特徴空間上の重心を算出し，trackletにおけるすべての選手画像を考慮した人物同定および追跡手法を提案し実装する．実証実験から，選手個人の追跡精度が画期的に向上したことにより，フィールドスポーツにおける選手追跡結果を素早く作成できることを確認した． Rapid development of deep learning in recent years has led to improved tracking accuracy of objects in video. However, existing methods of multiple object tracking face challenges in long-term tracking due to occlusion. To address this problem, tracking algorithms that split trajectories where occlusion occurs have been proposed for generating tracklets, short trajectories accurately tracked in a short time, re-identified as target individuals. Nevertheless, handling variations in the degree of body part occlusion and the dispersion of individual images due to changes in posture and orientation is difficult in these approaches and it leads to unstable identification results. In this study, the authors develop a method utilizing deep metric learning to calculate the centroid in the feature space of individual player image sets. This approach considers all player images in the tracklet for identification and tracking, demonstrating a significantly high improvement in the tracking accuracy of individual players. This method confirms the efficient generation of player tracking results in field sports.

In Japan, the Sport Basic Plan was formulated in 2012, which mentions not only the development of highly qualified sports instructors but also new perspectives such as the provision of programs in which everyone can enjoy the value of sports together. Against this background, trials of new technologies utilizing the latest ICT equipment such as sensor devices are being made. However, in college sports, where financial resources are often limited, shooting with hand-held video cameras is the most common method, which may cause the manager to overlook important scenes of play depending on his or her skill level. This problem affects not only competitors but also spectators. To solve this problem, we develop a system for capturing video images of the entire field with multiple fixed video cameras so that the system can automatically switch from one to another video of the most appropriate camera for the respective scenes of play. The results of the demonstration experiments in basketball and futsal showed that the switching video of the proposed technology can be utilized for tactical analysis in sports.

我が国では，自動車交通量調査の省力化のために，AIを用いた調査が推進されている．既存研究では，AIを用いた車両の部位の識別により，車種別の断面交通量を計数できることが明らかにされているものの，フレアや景色の映り込みにより精度が低下する課題がある．対策としては，ナンバープレートの分類番号の認識結果から車種を判定する方法が考えられる．しかし，分類番号が不鮮明な場合，認識精度が低下する．そこで，本研究では，文字が鮮明な場合は分類番号を認識し，不鮮明な場合は車両の部位の識別結果を用いて車種を判定する手法を考案する．3つの地点で撮影した動画像に考案手法を適用した結果，車種の判定精度はすべての地点でF値が0.950以上と高精度であった．今後は，図柄入りのナンバープレートに対応することで，早期実用化を目指す．

昨今、自動車から収集されるプローブデータを用いて、対象路線単位の交通量や旅行速度を分析する事例が多くみられる。加えて、走行車線単位で個車の挙動を把握できれば、分合流部における車線変更の挙動分析等、より高度な道路交通分析の実現が期待できる。そこで、本研究では、ETC2.0 プローブ情報から個車の走行車線を推定する手法を考案する。ETC2.0 プローブ情報よりも測位精度の高いプローブデータを教師データに採用して、個車の走行軌跡を車線別に区切られたメッシュに重畳した。そして、メッシュに割り当てた一意な数値の時系列変化に機械学習を適用した。その結果、推定結果は ETC2.0 プローブ情報の測位精度に影響するものの、測位点を 1 点ずつ確認した場合よりも高い精度で個車の走行車線を推定できることが明らかになった。

我が国では，自動車交通量調査の効率化に向け，調査にAIを導入している．この調査でナンバープレートを認識できれば，車両の流動計測も可能となり，調査を高度化できる．しかし，路肩の高所から撮影した動画像では，ナンバープレートが傾いた状態で映り込むため，正面向きに補正する必要がある．補正する手法として射影変換があるが，ナンバープレートと車両が同系色の場合，射影変換の基準点を取得できない．そこで，本研究では，ナンバープレートに必ず表記される一連指定番号の4桁目の位置を基準とした射影変換により正面向きに補正し，ナンバープレートのすべての文字を抽出する手法を開発した．実験の結果，500枚中479枚の画像ですべての文字を抽出できた．今後は，本手法を適用して異なる地点間で同一の車両を特定する交通流動調査への展開を図る．

イベントや災害時に群衆の人数を計数することは，事故を未然に防ぐために重要である．近年，深層学習を用いて人物を計数する技術が発展し，様々な手法が開発されている．しかし，群衆の動画像は様々な条件で撮影されているため，自動で最適な人数計数手法を選択して適用することは困難である． 本研究では，人数計数手法の検出結果の傾向の違いに着目し，回帰分析を用いて人数を推計する手法を考案した．検証の結果，回帰分析によって人数計数手法ごとの弱点を補完し合うことで，極端な誤検出や検出漏れが緩和され，より正確に人数を推計できることが判明した．

現行の歩行者交通量調査では，調査断面を通過する歩行者を人手により計数する手法が一般的なため，調査日や時間帯が限定される．近年，ビデオカメラで撮影した動画像を用いた調査事例が増えているが，個人情報やプライバシーへの配慮が必要である．そこで，対象とする歩行者を3次元の座標点の集合として計測できるLiDARが注目されている．しかし，反復型のLiDARでは，計測範囲を網羅的に計測できず当該調査への適用が困難である．そこで本研究では，計測範囲を網羅的に計測可能な非反復型のLiDARで計測した点群データから深層学習を用いた歩行者交通量調査を試行した．歩行者の計数結果より，正解率が低い場合で67.2%，高い場合で84.7%であることから，非反復型のLiDARで計測した点群データを用いた歩行者交通量調査への適用可能性があることが明らかになった．

開削工事で設置される土留め壁に過剰な負荷がかかっている場合，目視でその変状を判断するのは難しく，土留め壁が崩壊する事故が発生している．そのため，既存研究では，土留め壁の内部にセンサを設置する手法や表面にターゲットを設置してTSを用いて変状を定量的に計測する技術が提案されている．しかし，導入にかかる費用や工数が膨大となる課題や網羅的に変状を計測できない課題がある． 本研究は，リアルタイムに計測対象の3次元データを網羅的に計測できる廉価なLiDARに着目し，土留め壁の変状を検出する手法を提案した．実験の結果，非反復型の計測方式のLiDARと提案手法を用いることで，土留め壁の表面に発生した変状を検出できることを明らかにした．今後は，実際の建設現場に適用し，現場導入に向けた課題の整理と提案手法の改良を目指す．

Web制作技術の進歩に伴い，世界中でWeb サイトが日々大量に生産され続けている．地域活性化を拠点として注目を集めている道の駅では，多種多様な地域の魅力の発信が不十分な課題から道の駅ごとの Webサイトの制作や運用が見直されている状況である．ユーザはWeb検索の検索順位が上位のWebサイトを閲覧することが一般的であるため，道の駅のWeb サイトを検索上位に表示することが重要である．そのため，Webサイトの運営者は，Web検索エンジンのランキング付けアルゴリズムの評価観点の動向を把握し，それに対して自身のWebサイトにSEO（Search Engine Optimization）対策を実施する必要がある．しかし，SEO対策として考えられる膨大な対策項目の中から，どの項目に効果がありWeb サイトに優先的に適用すべき内容なのかを分析する方法は確立されておらず，自身のWebサイトが取るべき対策方針の立案が困難である．そこで，本研究では，Webサイトの主となるキーワードに関連する検索クエリ群を用いてWeb検索エンジンから取得するWebページを網羅的に分析することで，SEO対策の項目を検索順位との関連性から評価する手法を提案する．

自動車交通量の調査では，ビデオカメラによる映像を深層学習で解析し，自動で交通量を計数する手法が提案されている．既存手法を道路管理者が保有する既設CCTV映像に適用できると，新たな計測機器を設置せずにAI交通量調査が可能となる．しかし，既設のCCTV映像は長期間の監視が目的であり，低解像度であることに加えて，機器の経年劣化による画像の乱れやくすみがある．そのため，既存手法では交通量調査で必要な精度を担保できない可能性が高い．そこで本研究では，画像全体から検出した車両画像をぼかすことで画像の乱れやくすみの特徴を除去可能な点に着目し，車両の特徴のみを用いて車種を分類する手法を提案する．実証実験では，SD画質とHD画質の動画像を対象に提案手法を適用し，既存手法よりも高精度に小型車と大型車の計数ができることを示した．

In Japan, road traffic censuses are conducted to assess road traffic conditions. Recently, techniques for counting traffic volume from video images have been attracting considerable attention in order to improve work efficiency and save labor, and a large number of technologies have been developed. However, since traffic volume surveys are often conducted 24 hours a day, day and night, at various sites and under various weather conditions, existing technologies have yet to reach the counting accuracy required in practice. The authors aim to develop techniques for traffic volume surveys applicable in practice by applying artificial intelligence. This paper reports the results of a case study in which the proposed techniques were applied to the video taken during actual traffic volume surveys.

In its i-Construction policy, the Ministry of Land, Infrastructure, Transport and Tourism has stipulated a manual for public surveying using by UAV photogrammetry with the aim of improving productivity at construction sites. However, UAV photogrammetry requires a huge amount of time to generate point cloud data from photographs, causing a problem that it is difficult to monitor the daily progress of the construction site. There is another problem that it is incapable of taking measurements except daylight hours. Against this backdrop, we have been developing laser scanner units for UAV equipped with LiDAR, IMU and GNSS receiver. Then, we clarified the error factors that are expected to affect the precision prescribed of point cloud data and summarized the requirements for the onboard equipment and the method of generating point cloud data. However, we have not yet proposed nor developed the laser scanner units as well as for generating point cloud data considering these requirements. Thus, in this paper, we developed the laser scanner units and a new method for generating point cloud data within the laser scanner units to optimize the error factors based on these requirements clarified in the existing study.

道路管理者は舗装を日常的に点検しているものの，修繕の要否は点検者の経験知に頼らざるを得ず，熟練者の不足から点検作業の効率化が喫緊の課題となっている．この解決策として，既往研究では，車の走行位置や加速度を収録したプローブデータの活用により，走行時における舗装の損傷を判定している．他方，日常点検と同時にプローブデータを収集できれば，損傷判定により損傷箇所を抽出したうえで，複数の時期のデータの推移を分析し損傷の進行状況を把握できるほか，今後の損傷予測にも繋がる． 本研究では，損傷箇所の抽出および損傷予測に，時系列データの分類と予測を得意とするLSTMの適用を試行する．その第一歩として，LSTMによる舗装の損傷判定モデルを構築した結果，損傷箇所の抽出率が8割程度である有用性が確認できた．

我が国における自動車交通量調査は、人手による調査が一般的である。しかし、調査員不足が長らく常態化しているため、調査の効率化・省力化が求められている。その解決策として、AIを用いた交通量調査が注目されており、断面交通量の計測を対象にした技術が充実してきている。さらに地点間の車両の流動を計測するには、ナンバープレートの文字認識による同一車両の特定技術の開発が一策になると考えられる。そこで本研究では、まず、一連指定番号の抽出および認識手法を考案し、その精度を検証した。そして、考案した手法を2地点間で撮影した動画像に適用し、同一車両の特定可否を検証した。その結果、既存の技術では計測できなかった同一の車両を特定できる可能性を明らかにした。

我が国では，競技力向上を目的としたスポーツ情報科学に関する研究支援が求められている．中でも，フィールドスポーツでは，選手の位置情報を取得することで，選手のStats情報の獲得や戦術分析を補助する活動が実施されている．選手の位置情報の取得方法は，映像に対して深層学習を用いた物体検出手法を適用する方策が採用されている．しかし，物体検出手法では，対象物が未学習の場合や，学習時とかけ離れた特徴を有する場合，検出精度が低下する．これに対して，アノテーションシステムによる自動アノテーション機能を用いて学習データを作成することが考えられるが，精度良く検出することができず作業効率化が望めない課題が残存する．そこで，本研究では，フィールドスポーツにおいて，学習データを簡易に作成することができるアノテーションシステムの開発を目指す．システムの開発にあたり，データ分析にかかわる専門家へのヒアリングを通じ，選手を精度良くまた効率良く検出することが重要であると明らかになった．そして，そのニーズに対して，フィールドスポーツに特化した検出モデルを搭載することで，既存システムと比べ，作業時間を2分程度短縮することに成功した． In recent years in Japan, improving athletic performance based on sports information science has become a topic of active research. In particular, several methods have been proposed to obtain positional information from athletes performing field sports to record their statistical information for tactical analysis, e.g., by applying deep learning-based object detection methods to video images. However, object detection methods exhibit poor detection accuracy on features not belonging to the given training dataset or those that differ greatly from training data samples. Although an automatic annotation function provided by an annotation system can be used to address this issue, this method does not exhibit high detection accuracy and does not improve operational efficiency. Therefore, in this study, we proposed an annotation system designed to generate data easily to train deep learning models for field sports. To this end, we interviewed experts in sports data analysis and ascertained the importance of accurate and efficient detection of athletes on the field. The proposed system reduces the required operational time by approximately 2 minutes compared to conventional systems by incorporating a detection model specialized for field sports into the automatic annotation function.

我が国では，自動車交通量調査の効率化・省力化に向けて，ICTの活用が推進されている．特に，動画像を用いた調査が注目されており，様々な手法が提案されている．現在は，断面交通量の計数は実現されているが，地点間の車両の流動調査の実現には至っていない．そのため，既存手法に同一の車両を特定する手法を追加することで，地点間における車両の流動の調査も可能となり，当該調査の高度化に寄与する．そこで本研究では，複数台のウェアラブルカメラで撮影した動画像からナンバープレートの一連指定番号を認識し，同一の車両を特定する手法を考案した．実験では，考案手法を2地点間で撮影した動画像に適用し，同一車両の特定可否を検証した．その結果，既存手法では計測できなかった同一車両を特定できる可能性を明らかにした．

イベント時や通勤時間帯に群衆の人数を計数することは，事故を未然に防ぐために重要である．近年，深層学習の高速化・高精度化により，画像から手軽に人数を計数する手法が開発されている．しかし，群衆の撮影条件は多様であるため，動画像中の人物のサイズやオクルージョンの度合いで人物の映り方も多様となる．そのため，1つの計数手法で様々な条件下の群衆の人数を正確に計数するのは困難である．そこで，群衆を撮影する場面と条件を類型化し，各場面と撮影条件における群衆の状態に最適な人数計数手法を適宜切り替えることで，一定の精度を担保する計数手法を確立できると考えた．本研究では，各場面に対して4種類の人数計数手法を適用し，場面ごとに最適な手法を切り替える必要性の高さと適用手法の切り替えに向けた課題を明らかにした．

安全・安心で円滑な道路空間の維持には，時々刻々と変化する交通実態の把握が必要である．そこで，道路管理者は車両から取得されるプローブデータを用いて道路交通分析を実施している．具体例として，道路を線分で表現した道路ネットワークデータを用いてプローブデータが取得された道路を特定するマップマッチング処理後，各道路単位の旅行速度等を網羅的に分析されている．一方，交差点毎の進行方向別速度等の分析は，マップマッチングや集計の機械的な処理ができない場合が往々にしてある．本研究では，緯度経度のみで位置関係を把握できるポリゴンメッシュを用いた交差点におけるプローブデータの進行方向判定手法を考案した．そして，実証実験を実施し，進行方向の正答率は 9 割以上であり，考案手法により進行方向を機械的に判定できる知見を得た．

昨今、自動車から収集されるプローブデータを用いて、対象路線単位の交通量や旅行速度を分析する事例が多くみられる。加えて、走行車線単位で個車の挙動を把握できれば、分合流部における車線変更の挙動分析等、より高度な道路交通分析が実現できると考える。そこで、本研究では、ETC2.0 プローブ情報から個車の走行車線を推定する手法を考案する。ETC2.0 プローブ情報よりも測位精度の高いプローブデータを教師データに採用して、プローブデータの測位点を車線別に区切られたメッシュに重畳した。そして、メッシュに割り当てた一意な数値の時系列変化に機械学習を適用した。その結果、推定結果はプローブデータの測位精度に影響するものの測位点を 1 点ずつ確認した場合よりも高い精度で個車の走行車線を推定できることが示唆された。

我が国では、自動車交通量調査の効率化・省力化を図るため、動画像を深層学習により解析する調査手法が導入されている。既存研究では、深層学習を用いて車両の部位を識別することで、車種別の断面交通量を高精度に計数できることが明らかにされているものの、フレアや景色の映り込みによる影響で部位の識別に失敗し、車種の判定精度が低下する。そこで、ナンバープレートに記載されている分類番号を活用することで、車種の判定精度の向上が期待できる。本研究では、深層学習を用いて分類番号を認識し，その結果から車種を判定する手法を提案する。実証実験の結果、最高速度 50km/h 以下の道路であれば高精度に分類番号を認識可能であり、車種を判定できた。今後は、画像のボケ度合いから考案手法の適用可否を判定する処理を適用する。

Research on tracking and performance analysis of athletes using video images has been actively conducted with the aim of improving athletes' competitive performance. However, when filming plays in field sports, it is difficult to capture the entire field with a single camera without filming from a specific point, such as a spectator's seat on the corner side, because the field is long sideways. Even if the entire field is captured, the players at the back of the field appear small, making analysis difficult. Other issues include the fact that since many coaches and analysts film where the play is progressing, it is hard for them to track the ball seamlessly when the position of play changes significantly depending on the position of ball. To solve this problem, we develop in this study a technology to automatically generate panoramic video images that cover the entire field by using two video cameras. Using this technology, we aim to generate panoramic images of the entire field that makes it possible to surely measure and analyze all players and the ball.

筆者らはこれまで，アメリカンフットボールにて，映像から選手を検出・追跡する技術を研究してきた．映像から選手を追跡する場合，選手の位置とサイズを正確に検出する必要があるが，検出に失敗することで追跡が途切れることがある．この課題を解決するために，深層学習を用いた人物の検出手法を検討してきたが，高品質かつ大量の深層学習用トレーニングデータを作成するには多大な労力が必要となる．そこで，本研究では，映像から切り出したフレーム画像とGNSSデータを組み合わせることにより，初期の学習に用いる高品質なデータを生成する．そして，そのデータを用いて学習した検出器から新たな検出結果を精査し，追加学習データとして活用することで，2回目以降の学習データを自動的に生成する．本提案手法を実装することにより，検出精度を担保しながら学習データを自動生成する仕組みが実現できるかを検証する．そこで，サッカーの映像に開発システムを適用し，繰り返し学習した場合の検出精度の変化を確認する．その結果，検出器による推定結果を基に自動的に学習データを生成し追加学習することで検出精度が向上したことからシステムの有用性を実証した．

我が国では，道路の交通実態を把握するために，交通量調査が実施されている．昨今，当該分野では，作業の効率化や省力化を目的として動画像から交通量を計数する技術が注目されており，多数の技術が開発されている．これらの技術は，昼間に撮影された動画像に対しては実務に適用可能な精度で計数できる．しかし，夜間に撮影された動画像に対しては，十分な明るさを確保できず，車両の形状や色が不明瞭になるため，計数精度が著しく低下して実用性が確保できない課題がある．そこで，本研究では，深層学習を用いて夜間に撮影した動画像を昼間に撮影した動画像のように変換して交通量調査を実施する手法を考案した．そして，実証実験を通じて考案手法の実用化に向けた具体的な検討事項を明らかにした．

現在，我が国の歩行者交通量調査の多くは，現地調査や動画像の目視判断で歩行者を計数している．そのため，ヒューマンエラーによる誤計数や屋外の長時間計測による熱中症の危険性などの課題が山積している．また，不特定多数の人が往来する環境では，頻発するオクルージョンによる歩行者計数精度の低下の課題が顕在化しており，解決策の確立には至っていない．そこで，本研究では，オクルージョンに対応可能な深層学習による人物認識の技術を検証し，課題点を明らかにすることで，実用可能な歩行者交通量の調査手法を導出した．その結果，人物領域の大半が隠れている場面でも考案手法を適用することで高精度に歩行者を計数できることが示された．

我が国では，i-Constructionを通じて建設現場の生産性の向上を目指す革新的な技術を求めている．この実現には，AIやIoTなどの技術により作業員や建設機器を追跡し，動線を取得する必要がある．こうした背景の下，多くの研究は，建設現場の作業員や建設機器を追跡可能な技術を開発している．しかし，これらの技術を建設現場に適用する場合，オクルージョンが長時間かつ多発する区間において，追跡が困難な課題が見られた．そこで，本研究では，オクルージョン箇所の前後において作業員や建機の画像上の特徴を用いた同定手法を提案し，それにより，オクルージョン区間においても，継続的に追跡可能な技術を開発する．実験では，提案手法を実際の建設現場の映像に適用することで，オクルージョン箇所の前後における作業員や建機を正しく同定して追跡を継続できることを確認した．

近年，建設現場では労働災害を防ぐため，IoTによる効果的な安全管理の対策が求められている．これに対して，物体検出手法により作業員や建設機械の位置情報を取得して安全管理に生かす試みがなされている．しかし，作業員や建設機械が混在し，危険な領域が常時変化する建設現場では，動画像から物体検出手法を用いて検出対象物を検出することが困難である．そこで，深層学習の適用が考えられるが，正確に検出するには，建設現場に特化した検出モデルへの更新が必要である．しかし，そのための学習データを手動で作成するには多大な労力を要する．そこで，本研究では，建設現場において高精度に検出するための深層学習用学習データの自動生成手法を提案する．実験では，建設現場の映像を対象にシステムを適用した結果，その有用性を確認できた．

我が国では，自動車交通の実態を把握するために交通量調査が実施されている．当該調査は，調査員が目視にて車両を確認し，小型車と大型車ごとの通過台数を計数する方法が一般的であるが，調査員の確保が難しく深刻な問題になっている．そのため，国土交通省では，人手による調査を廃止し，動画像を用いて通過台数を自動で計数する技術の導入が検討されている．既存研究に着目すると，機械学習や深層学習を用いて車種を分類して計数する手法が開発されているが，実務で必要とされる車種の分類精度に至っていない．そこで，本研究では，調査員が車種の分類時に着目する車両の外形や部位の形状に基づいて車種を分類することで，車種ごとの通過台数を計数する技術を開発した．そして，実証実験を通じて，提案手法の有用性を確認した．

地盤構造物の設計では，地盤調査で得られた結果から設計計算に直接必要なパラメータへ変換するが，その変換誤差は課題とされている．人工知能により地盤構造物の設計，地盤数値解析に必要な地盤定数を精度よく推定することができれば，解析に必要な情報量の増大が期待される．そこで本研究では，関西圏地盤情報データベースから地盤の物理試験や粒度試験等，三軸圧縮試験による内部摩擦角の計296セットデータを整理し，人工ニューラルネットワーク（以下，ANNと称す）により内部摩擦角の推定を試みた．その結果，UU試験を除外することで，0.657の決定係数を示した．本論文では，現状のANNの推定レベルと課題，今後の展望について言及したものである．

昨今，個車の走行履歴や挙動履歴を把握できるプローブデータを活用した渋滞や事故の対策が推進されている．現在は対象路線単位での交通量や旅行速度の分析が主たる用途であるが，走行車線レベルでのミクロな交通分析にプローブデータを適用できると，より高度な道路交通分析が実現できると考える．そこで，本研究では，プローブデータを用いて走行車線を推定するために，データの特性を分析し，走行車線および車線変更の有無を推定する手法を考案した．その結果，加速度の変化に着目して機械学習を適用すると，高い精度で車線変更箇所を推定できることを確認した．さらに，車線番号と車線変更箇所の推定結果を組み合わせると，より信頼性の高い走行車線を推定できる知見を得た．

Society 5.0の方針の下，分野に依存しない情報から知的情報を抽出し，交換，連携，共有，再利用が行われている．特に，SNS（Social Networking Service）は幅広い世代で利用されており，データサイエンスに関する研究が盛んに行われている．そこで最も重要な信頼性を担保するには，投稿者の性別，年代，職業，地域等の属性を獲得する必要がある．著者らは，地域以外の3属性の獲得について一定の成果を得ることができている．しかし，地域属性は，特徴的な語句が少ない点や投稿者の位置情報の付与率が低い点から推定が難しい．そこで，本研究では，特徴となる語句に加えて，同一の事物を表現する語句や地域ごとに使用頻度が異なる語句，具体的には「回転焼き，今川焼き，大判焼き」などの類語に着目する．そして，SNSのプロフィール欄から対象地域のユーザを自動的に抽出し，逐次学習することで，地域推定モデルが漸次拡張する手法を提案する．これにより，既存手法よりも高精度に推定することができた．

我が国では，スポーツ庁を旗手として，全ての国民のスポーツ機会の確保，健康長寿社会の実現，スポーツを通じた地域活性化，そして東京2020オリンピック・パラリンピックに向けた競技力の向上を目的とした施策を積極的に推進している．中でも，最先端のセンサやウェアラブル端末を用いたスポーツ選手の技能把握や戦術分析に関わる取り組みは，総務省の重要施策の一つであり注目度が高い．全日本女子バレーボールでは，世界選手権における選手選抜や試合中の采配において，タブレット端末と戦術分析ソフトウェアを活用することにより，オリンピックでメダルを獲得する等の目覚ましい成果を上げている．しかし，スポーツ分野にICTを適用するためには，センサ機器の取り扱いに関する知識と競技に対する専門知識を有する人材に加え，優秀なデータアナリストを確保する必要がある．そのため，スポーツへのICTの活用は，一部のプロスポーツに限定されており，アマチュアスポーツへの導入には課題が山積する．そこで，本研究では，屋内スポーツのバレーボールに着目して，試合分析に関わる研究の動向を調査するとともに，ビデオカメラで撮影した試合映像から深層学習により複数の選手やボールを認識することで，戦術決定を支援できるシステムを提案する．そして，実証実験の結果から，提案手法により，各国のナショナルチームからカレッジスポーツまで広く利用されているData Volleyに入力するための分析用コードを生成できることを確認した．

近年では，センサ技術やIT技術の発展により計測装置の小型化が進んだため，バッティング直後に，スイングの特徴を把握できるようになった．しかし，アマチュア野球選手の指導現場では，いまだに，科学的なデータに基づいた指導方法は確立されていない．その原因として，これまで我が国の野球において，合理的な指導と非合理的な指導が混在していることに加えて，スイングの計測装置によって算出された数値に対する解釈が現場では難しいことが考えられる．そこで，本研究では，経験豊富な指導者の主観的評価によって分類された打者の打撃タイプ別あるいは競技レベル別におけるスイング特性を明らかにし，測定値によって打者の打撃タイプの判別方法について提案する． In recent years, we became able to measurement data of the bat swing just after baseball batting, because measurement devices have been downsized by the development of a sensor technology and the IT technology. However, a coaching method based on such scientific data has not yet been established in amateur baseball clubs because of the mixture of rational and practical instruction and the difficulty of the interpretation from calculated numerical values. Therefore, the purpose of this study is to examine the characteristics of a batter's swing using an evaluation from baseball coach with a lot of experience when assessing batting skills. Finally, its practically and effectively is verified through this present finding.

昨今，深層学習を用いて物体の詳細な部位を識別して，姿勢や行動を推定する研究が盛んである．例えば，車両の部位を識別することで，逆走や改造車両を検出できる．本研究では，それらの用途の中でも深層学習の導入が特に注目されている交通量調査への適用を試みる．当該調査では，作業の省力化や効率化を目的として，動画像から車種ごとの通過台数を計数する技術開発が推進されているが，既存技術には，形状の似た車両の車種分類に失敗する課題がある．その対応策として，調査員が着目する部位の形状を考慮して分類することが考えられる．そこで，本研究では，深層学習を用いた車両部位識別技術を開発する．加えて，再学習のコストを軽減するため，教師データの自動生成技術も検討する．そして，実証実験を通じて，それらの技術が有用であることを明らかにした．

スポーツ工学分野では，スポーツ人材の育成のための政策が国家的に推進されているが，各選手に質の高い指導を実施できる監督・コーチなどの指導者の不足が喫緊の課題となっている．一方，MEMS（Micro Electro Mechanical Systems）技術の発展により，慣性計測装置の小型化が進んでいる．そのため，その慣性センサを用いた科学的な分析結果に基づくコーチング方法を確立する必要性が高まっている．特に，日本の代表的なスポーツである野球を対象に，打者のスイングフォームを定量的に分析することを目的とした慣性センサの開発が進められている．このセンサより取得された計測データから打者の特性を分析することで，各選手の能力向上につながるスイングフォームの改善点を提示することが可能となる．しかし，大学などの高等教育機関だけでなく，小中高の教育現場において，その分析方法は確立されていない．具体的には，監督・コーチなどの指導者が，そのセンサデータをどのように利活用すればよいか，いい換えると，それを基にどのような指導を実施すべきかを判断することは難しい．そこで，本研究では，スイング計測装置から得られる1スイングだけの情報を基に，スイングフォームを多角的に分析することで，各選手に的確なアドバイスをするための新たな知見が得られるかを検証する．実験は，各個人のティーバッティングと試合でのスイングの計測値に乖離が少なく再現性が高いと考えられるプロ野球選手のスイングを対象とした． In the field of sports engineering, though policies for developing human resources in sports are promoted nationally, lack of leaders including managers and coaches who can give highly qualified instruction to individual player is an urgent problem. On the other hand, inertial measurement units are getting miniaturized, due to technological development of MEMS (Micro Electro Mechanical Systems). Accordingly, there is an increase in need for establishing a coaching method based on scientific analysis using the inertial sensor. In particular, a specific type of inertial sensor is being developed, which is aimed for quantitatively analyzing a batter's swing form in baseball, a representative kind of sport in Japan. Analysis of characteristics of the batter based on the measurement data obtained from this sensor will make it possible to indicate points for improvement in the swing form that lead to capacity building of each player. However, no method of such analysis has been established in educational sites of not only higher education systems such as universities but also primary, junior high, and senior high schools. Specifically, it is difficult for the leaders such as managers and coaches to judge how to utilize the sensor data, or in other words, what kind of instruction to give based on the data. The purpose of this study is to find out new knowledge for giving appropriate advice to individual player by analyzing the swing forms from various aspects based on the information of only one swing data obtained from the swing measurement unit. We made the experiments with the swings of professional baseball players are assumed that was reproducible and there are few difference between sensor value in tee batting and in the game.

クレーンの作業現場では，操縦者が吊荷とその周辺の地物の大きさ，高さと位置関係を正確に把握することが重要である．既存研究では，クレーンの操縦支援のため，ジブの先端にカメラ，レーザスキャナとIMUを設置し，吊荷上空からの吊荷やその周辺の地物の大きさと高さを映像上に可視化する技術を提案した．ただし，この技術には，地表面に複数の地物が存在する場合に地表面を地物として誤認識する課題，傾斜のある施工現場において小段の高さが実際の高さよりも低く表示される課題と，クレーンが稼働する範囲にある吊荷とその周辺以外の地物や地表面を認識できない課題があった．そこで，本研究では，これらの課題を解決するために，ジブの先端に設置したカメラ，レーザスキャナ，IMUと新たにクレーンのジブの先端と旋回中心に設置したGNSSを用いて，クレーンの稼働範囲の3次元地図を生成し，クレーン周辺の地物の高さと大きさを表示して操縦者を支援する可視化システムを開発し，実験により評価した．

CGM（Consumer Generated Media）の普及に伴い，インターネット上に膨大なデジタルデータが蓄積されている．これらのデータは，社会動向，経済動向に加えて大規模災害などの多種多様な社会事象を計測するソーシャルセンシング技術の向上に用いられている．著者らは，ユーザの習慣行動を用いて，その習慣行動の違いから実世界における事象を抽出する新たなソーシャルセンシング手法を提案し，有用性を証明した．その技術を適用した社会事象との関係性を実践的に評価するためには，ユーザ属性や異なるデータを用いた汎用性を明らかにする必要がある．そこで，本研究では，ユーザの習慣行動を属性ごとに分析し，ユーザ属性ごとの平時と異なる行動から非習慣行動を抽出する．実証実験では，実世界における社会事象をユーザ属性ごとに詳細な粒度で見出すことが可能かを検証する．

スポーツ庁では，我が国の国際競技力の向上に関する重点政策において，日本代表選手の活躍を科学な側面から支援することを目指している．そこで，筆者らは，GNSSセンサによるフィールドスポーツの可視化システムを開発してきた．特に，アメリカンフットボールに着目し，QB，WR，DBのマッチアップを対象にした軌跡画像を用いて，深層学習によるパス成否の判定を目指してきた．ただし，プレーが完結したトラッキング情報のみを用いているため，プレー中の成功率の予測や，その予測値に基づくタイムリーな動作の選択と修正をサイドラインから指示できるようなプレー中の気づき情報の獲得には至っていなかった．そこで，本研究では，軌跡の経時変化を加味したトラッキング情報を用いることで，プレー中の成功率を予測することを試みる．実験では，クイックパス，ショートパスやロングパスなどの軌跡を対象に分析を行い，その有用性を実証した．

我が国では，東京オリンピックに向けて，スポーツに関わる政策が積極的に推し進められている．その施策の一つである「スポーツ×ICT」では，スポーツ分野における計測機器の開発やデータ計測と可視化，そして新たなサービスの提案など，ICTの効果的な利活用方法が検討されている．筆者らは，これまでアメリカンフットボールに着目し，高性能なGNSSセンサと加速度センサを内蔵した計測端末を用いて，複数選手を可視化するシステムを開発してきた．このシステムを用いることで，指導者のみならず選手に対しても個々のプレーの振り返りの機会において有益な情報を提供できることを確認した．しかし，状況に応じたプレーの選択や，その成功率の提示といった戦術の分析までには至っていなかった．そこで，本研究では，パスプレーに関するオフェンスとディフェンスのマッチアップ分析に深層学習を適用し，プレーの成功または失敗の推定の可能性を検討する．

スポーツにおけるICTの活用として，選手をトラッキングする画像処理の研究が行われている．しかし，アメリカンフットボールなどのフィールド上での選手のオクルージョンが頻発する競技では，選手位置が正確に取得できない．そのため，選手の移動軌跡が分断され，正確なトラッキングが難しいことが課題となっている．そこで，本研究では，複数地点から撮影した映像から得られた移動軌跡を用いて，それらを相互に補完することでオクルージョンに頑強な選手のトラッキング手法を提案する．これにより，GNSSセンサなどのデバイスを相手選手へ装着ができない課題を解決する．