姜 文渊

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...

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...

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...