ベイズ隠れマルコフモデルを用いたスポーツイベント検出の高精度化

摘要

The problem of detecting the occurrence of target events in a given data sequence can be found in many fields , such as signal processing, pattern recognition, and image processing. We propose an event prediction method by using the Bayesian hidden Markov Model (HMM) and apply it to a video dataset of an actual soccer game. In this method, time-series data on the players' position are estimated from the video dataset and modeled with the HMM. The accuracy of this event prediction method can be improved by modifying the duration-modeling capability of the HMM, since a geometric distribution is used as its duration probability. In this paper, we use a generalized HMM in the event prediction algorithm for improving the duration-modeling capability. In addition, we test the efficiency of the proposed method with a video dataset of J-league soccer matches.%時系列データから興味のあるイベントを自動的に検出する問題は，信号処理やパターン認識，画像処理など，様々な分野に現れる.本研究グループでは，これまで，サッカー動画像データから抽出された選手位置情軌こ基づく時系列データをもとに，ベイズ隠れマルコフモデルによるイベント検出アルゴリズムを構築してきた.しかし，隠れマルコフモデルでは状態が滞留する確率として「幾何分布」が仮定されるため，必ずしもふさわしくない場合があった.隠れ状態の状態滞留確率を改善することでイベント検出性能に対する向上の余地があったため.本稿では，状態滞留確率をより柔軟に表現可能な「一般化隠れマルコフモデル」によるアルゴリズムを構築し，イベント予測性能の向上を目指す.また，提案アルゴリズムの効果をJリーグのサッカー動画像データを用いて検証する.