講演情報
[1Yin-A-42]時間系列モデリングに基づくボクシング動作認識
〇敖 博君1、山本 豪志朗1、御手洗 彰1、劉 暢1、岸本 和昌1、田村 寛1 (1. 京都大学)
キーワード：
人体姿勢推定
ボクシング動作認識は、動きの速さ、遮蔽、および試合中に頻発する腕の重なりによって困難である。既存の手法の多くは単一フレームに基づく予測に依存しており、個々の選手を追跡しないため、特定のボクサーの動作を時間的に分析することが難しい。本研究では、選手追跡のための SAM2、安定した姿勢推定を実現するための明示的な空間正規化処理（crop–scale–center）、骨格抽出のための MediaPipe Pose、そして時間的動作認識のための双方向 LSTM に基づく系列モデルを統合したパイプラインを提案する。さらに、ボクシング動作認識における時間系列モデリング枠組みの確立を目的とし、研究の動機、手法設計、データセット構築ならびに想定される貢献について述べる。
データ不均衡および動作間の類似性という課題が存在する一方で、時間系列モデリングの有効性も示されている。現時点では、jab が 55.2%、hook が 44.7%、cross が 33.1%、uppercut が 29.8%、1–2 コンビネーションが 30.4%、body shot が 14.9% のクラス別認識精度が得られているが、今後はデータ拡充や特徴表現の改良、モデル構造の高度化などの手法を取り入れることで、さらなる精度向上を目指す予定である。
データ不均衡および動作間の類似性という課題が存在する一方で、時間系列モデリングの有効性も示されている。現時点では、jab が 55.2%、hook が 44.7%、cross が 33.1%、uppercut が 29.8%、1–2 コンビネーションが 30.4%、body shot が 14.9% のクラス別認識精度が得られているが、今後はデータ拡充や特徴表現の改良、モデル構造の高度化などの手法を取り入れることで、さらなる精度向上を目指す予定である。