実在の物体に対する実験と評価

女性人体モデルを使用して，実際の人体をビデオカメラで撮影した画像に対し て姿勢推定した例を図13に示す．ただし，根ノードは右足 首であり，その関節接続点の位置が既知で，関節角度のサンプリング間隔を10 度刻みとしている．右足首を根ノードとするのは，それが地面に接しているの で抽出が容易であろうと考えられる上に，シルエット画像では判別不能な足の 左右の区別がつけられるからである．使用した女性人体モデルは対象である女 性から作成したものである[10]．モデル作成時の関節接 続点の設定や各ノード内の幾何形状の剛体部と関節角度依存部との境界の設定 が正確に行えていないため，CG画像の実験結果に比べると姿勢推定結果の精度 はいくらか落ちる．画像をビデオカメラで撮影しているため，その大きさは横 320画素，縦360画素とCG画像の実験より粗い．同様に6例について実験を行 い，全部についての平均を求めるとであった．対象物体 の姿勢推定結果から，本方法が有効であることが分かる．

  
図 13: 女性の姿勢推定例

また，他の関節物体に本方法を適用した例として，人間の左手首を対象にした 実験を3例行った．その1例を図14に示す．手を対象にする 場合，前腕の位置が最も抽出しやすいと考えられるので，モデルの根ノードを 左手前腕とする．実験にあたって，その位置は既知とする．画像の大きさは横 448画素，縦400画素である．この実験ではモデルと対象物体との幾何形状が異 なるので，指の長さ等は若干一致しない．3例によるの平均は であった．

  
図 14: 左手首の姿勢推定例

これらの実験から，実在の物体に対しても本方法による関節物体の姿勢が推定 できることが実証された．実在の物体に対する実験においても，CGによる実験 の考察で挙げたような隠蔽の問題などは残されるが，これについては前節で述 べたように将来的に対応が可能である．