휴먼 보행 동작 구조 분석을 위한 통계적 모델링 방법

신봉기,Sin, Bong Kee 한국스마트미디어학회 2012 스마트미디어저널 Vol.1 No.2

최근 비디오 감시, 로봇 시각 휴대폰 등 무수히 많은 카메라가 생활 속에 파고들면서 휴먼 동작 인식은 컴퓨터 시각 분야의 새로운 붐을 일으키고 있다. 자체로 그다지 흥미 있는 동작은 아니지만 걸음걸이 또는 보행은 가장 보편적으로 많이 관찰되는, 의심할 여지없이 사람의 대표적인 동작이다. 그리 오래되지 않은 과거에 보행자 인식의 관점에서 반짝 연구가 있었지만 관심의 길이가 짧은 만큼 보행 동작에 관한 체계적인 분석과 이해 없이 이루어졌었다. 본 연구에서는 일련의 점진적인 모델을 이용하여 보행 동작의 구조를 체계적으로 분석하고자 한다. 입력 영상 신호의 다양한 변형과 불완전성을 극복할 수 있는 동적 베이스망 기반의 보행자 모델과 보행 모델을 제시한다. 그리고 이변량 폰 미제스 분포의 조건부 밀도 함수를 기반으로 마르코프 체인의 이산 상태 공간을 연속 공간으로 확장하는 방법을 제안한다. 제안된 모형화 프레임워크를 이용한 일련의 시험, 분석에서 보행자를 91.67% 인식하며 보행 동작을 보행 방향과 보행 자세의 두 가지 독립적인 성분으로 분리 해석할 수 있었다. Today we are witnessing an increasingly widespread use of cameras in our lives for video surveillance, robot vision, and mobile phones. This has led to a renewed interest in computer vision in general and an on-going boom in human activity recognition in particular. Although not particularly fancy per se, human gait is inarguably the most common and frequent action. Early on this decade there has been a passing interest in human gait recognition, but it soon declined before we came up with a systematic analysis and understanding of walking motion. This paper presents a set of DBN-based models for the analysis of human gait in sequence of increasing complexity and modeling power. The discussion centers around HMM-based statistical methods capable of modeling the variability and incompleteness of input video signals. Finally a novel idea of extending the discrete state Markov chain with a continuous density function is proposed in order to better characterize the gait direction. The proposed modeling framework allows us to recognize pedestrian up to 91.67% and to elegantly decode out two independent gait components of direction and posture through a sequence of experiments.

Health State Clustering and Prediction Based on Bayesian HMM

신봉기,Sin, Bong-Kee Korean Institute of Information Scientists and Eng 2017 정보과학회논문지 Vol.44 No.10

In this paper a Bayesian modeling and duration-based prediction method is proposed for health clinic time series data using the Hierarchical Dirichlet Process Hidden Markov Model (HDP-HMM). HDP-HMM is a Bayesian extension of HMM which can find the optimal number of health states, a number which is highly uncertain and even difficult to estimate under the context of health dynamics. Test results of HDP-HMM using simulated data and real health clinic data have shown interesting modeling behaviors and promising prediction performance over the span of up to five years. The future of health change is uncertain and its prediction is inherently difficult, but experimental results on health clinic data suggests that practical long-term prediction is possible and can be made useful if we present multiple hypotheses given dynamic contexts as defined by HMM states. 본 논문은 계층적 디리슐레 과정(HDP)과 은닉 마르코프 모형(HMM)이 결합된 베이스 통계학적 방법과 HMM의 상태 지속 정보를 이용한 건강 상태 예측 방법을 제안한다. HDP-HMM은 베이스 방법의 HMM 확장 모형으로서 건강의 동적 특성을 고려하여 불확실하고 가늠하기조차도 어려운 건강 상태의 수를 추정할 수 있게 해준다. 모의 데이터와 실제 건건 검진 데이터를 이용한 시험을 통하여 흥미 있는 행동 특성을 볼 수 있었으며 최대 5년까지로 제한한 미래 예측도 충분한 가능함을 확인하였다. 미래는 불확실하며 예측 문제는 본질적으로 어렵다. 그러나 본 연구의 실험 결과로 동적인 문맥 하에서 다중 후보 가설을 제시함으로서 실용 가능한 건강상태의 장기 예측이 가능하다는 것을 읽을 수 있었다.

Health State Clustering and Prediction based on Bayesian HMM

Bong-Kee Sin(신봉기) 한국정보과학회 2016 한국정보과학회 학술발표논문집 Vol.2016 No.12

감마 누적분포에 의한 HMM 상태 지속 모델

신봉기(Sin Bong-Kee) 한국정보과학회 2013 한국정보과학회 학술발표논문집 Vol.2013 No.6

보행 방향 및 상태 분석을 위한 병렬 가우스 과정

신봉기(Bong-Kee Sin) 한국정보과학회 2015 정보과학회논문지 Vol.42 No.6

본 연구에서는 다중 상태 변수의 인수 HMM을 일반화하여 연속 은닉 변수와 이산 은닉 변수가 결합된 순차 상태 추정 모형을 제안하고 이에 기반한 보행 동작 모형을 설계한다. 유한 상태의 이산변수는 마르코프 연쇄 구조로 보행의 동역학적 특성을 표현하고 각 이산 상태에 대해 연속 변수를 독립변수로 한 가우스 과정을 정의한다. 마르코프 상태 천이는 여러 가우스 과정 사이의 스위칭을 제어하며 각 가우스 과정은 동일한 자세의 회전 또는 다양한 시각을 표현한다. 온라인 필터링 추론을 위해 입자 필터 방식의 추론 알고리듬도 제시한다. 이 알고리듬은 입력 벡터 열이 주어졌을 때 이들 병렬적 가우스 과정을 동적으로 갈아타는 스위칭 궤적을 디코딩 해준다. 실험 결과 비선형적 보행자 비디오 영상을 보행방향과 보행 상태의 열로 분리하며 매우 직관적인 해석을 할 수 있음을 보였다. This paper proposes a sequential state estimation model consisting of continuous and discrete variables, as a way of generalizing all discrete-state factorial HMM, and gives a design of gait motion model based on the idea. The discrete state variable implements a Markov chain that models the gait dynamics, and for each state of the Markov chain, we created a Gaussian process over the space of the continuous variable. The Markov chain controls the switching among Gaussian processes, each of which models the rotation or various views of a gait state. Then a particle filter-based algorithm is presented to give an approximate filtering solution. Given an input vector sequence presented over time, this finds a trajectory that follows a Gaussian process and occasionally switches to another dynamically. Experimental results show that the proposed model can provide a very intuitive interpretation of video-based gait into a sequence of poses and a sequence of posture states.

감마 누적분포에 의한 HMM 상태 지속 모델

신봉기(Bong-Kee Sin) 한국정보과학회 2013 정보과학회논문지 : 소프트웨어 및 응용 Vol.40 No.12

본 논문에서는 준 마르코프 모델의 제어 복잡성과 비정상 HMM의 상태지속 분포 모델의 취약성을 해결하는 새로운 구조의 비정상(nonstationary) 모델을 제안한다. 준 마르코프 모델과 달리 완전한 1차 마르코프 모델이다. 그러나 천이 확률이 시간에 따라 변하기 때문에 사실상 고차 모델과 같은 효과가 있다. 마르코프 사슬은 어떤 상태에서 시간이 지남에 따라 그 상태에서 체류하려는 경향은 줄고 다른 상태로 바꾸려는 경향이 증가하게 된다. 이러한 변화 특성을 감마 누적분포로 표현하여 보다 직관적인 동작 특성을 갖도록 하였다. 모델의 평가 알고리즘과 훈련 알고리즘을 제시하였으며 온라인 숫자 필기에 데이터에 대해 세 가지의 비교 분석 결과를 제시하였다. 제안 모델은 준 마르코프 모델과 마찬가지로 시간적으로도 정확한 확률 특성을 표현하는데 장점이 있다. 따라서 유사한 두 패턴을 구별하는 구분 능력을 향상시키거나 특히 음성합성, 패턴 생성 등에 효과적으로 활용할 수 있다. This paper presents a new nonstationary HMM that resolves some of the complexities of semi-Markov models and the lack of temporal coherency in the previous nonstationary HMM. Unlike the semi-Markov model, it is fully first-order Markovian. But the temporal evolution of the transition distribution renders it effectively a high-order model. In the proposed model, once a Markov chain enters a state, it tends to stay in the state for a while but gradually the tendency of exiting the state grows. This tendency is described by a gamma CDF(cumulative distribution function) and the resulting model behavior is highly intuitive. Using the evaluation and training algorithms as provided here, a set of handwriting digit models were trained and analyzed in three ways including classification with comparable performance to that of semi-Markov models, and random sampling with the least distortion and highest quality. The proposed model is believed to have great advantages in accurate and detailed discrimination of ambiguous patterns, and pattern generation and synthesis applications.

인과 2D 은닉 마르코프 모델

신봉기(Bong-Kee Sin) 한국정보과학회 2001 정보과학회논문지 : 소프트웨어 및 응용 Vol.28 No.1

2D로 확장한 HMM은 다수 제안되었지만 엄밀한 의미에 있어서 2D HMM이라고 하기에 부족한 점이 많다. 본 논문에서는 기존의 랜덤 필드 모형이 아닌 새로운 2D HMM을 제안한다. 상하 및 좌우 방향의 causal chain 관계를 가정하고 완전한 격자 형성 조건을 두어 2D HMM의 평가, 매개 변수를 추정하는 알고리즘을 제시하였다. 각각의 알고리즘은 동적 프로그래밍과 최우 추정법에 근거한 것이다. 변수 추정 알고리즘은 반복적으로 이루어지며 국소 최적치에 수렴함을 보였다. Although a number of variants of 2D HMM have been proposed in the literature, they are not HMM in a rigorous sense. Distinct from the prevalent but oversimplified Markov random field, the new proposed model is a hidden Markov mesh chain or a 2D HMM with the causality of top-down and left-right direction. With lattice constraints, the algorithms for model estimation and maximum likelihood estimation of model parameters are developed in theoretical perspective. The latter algorithm is carried iteratively, and shown to converge to and produce a local optimum parameter set.

Small Big Deal about Infinite HMM

Bong-Kee Sin(신봉기) 한국정보과학회 2014 한국정보과학회 학술발표논문집 Vol.2014 No.6

Two-Dimensional Model of Hidden Markov Lattice

Bong-Kee Sin(신봉기) 한국멀티미디어학회 2000 멀티미디어학회논문지 Vol.3 No.6

불완전 시계열 데이터를 위한 이산 HMM 학습 알고리듬

신봉기(Bong-Kee Sin) 한국멀티미디어학회 2016 멀티미디어학회논문지 Vol.19 No.1