Deep Learningを用いた移動物体間のインタラクションを考慮した経路予測の研究動向

箕浦 大晃
平川 翼
山下 隆義
藤吉 弘亘

誌名
電子情報通信学会論文誌 D   Vol.J105-D    No.5    pp.372-404
発行日: 2022/05/01
早期公開日: 2022/01/24
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2021JDR0003
論文種別: サーベイ論文
専門分野: 画像・映像処理
キーワード: 
Deep Learning,  経路予測,  移動物体,  インタラクション,  データセット,  評価指標,  サーベイ,  

本文: FreePDF(103.3MB)

あらまし: 
経路予測は,歩行者や自動車などの移動物体が未来にどのような経路を辿るかを過去の軌跡から予測する技術である.経路予測は古くからベイズモデルやSocial Force Modelを利用して研究されてきたが,Deep Learning (DL)の発展によりConvolutional Neural Network及び,Recurrent Neural Networkを利用した手法に大きく移り変わっている.これらを利用した予測手法は車載カメラ映像視点や俯瞰視点,移動物体の位置情報や物体情報など様々な要素を組み合わせてモデル化することで高精度な経路を予測できる.特に,移動物体間の衝突を避けるインタラクションを考慮することは,多くのアプリケーションで必要となるため近年盛んに研究されている.そこで,本論文ではDLを活用した経路予測手法についてサーベイする.その中でも,インタラクションに着目した予測手法について述べつつ分類する.また,定量的評価のために使用されるデータセット及び,評価指標についても紹介する.更に,代表的なモデルについて複数のデータセットを用いて精度評価を行い,各モデルの精度及び予測結果について議論を行う.