## 松永

流れの安定性解析で「投票」とあるが、どう不安定を検出しているのか。

> 異なるダイナミクスをもつフローセグメントの境界が FLTE 場における LCS。フローのダイナミクスの中で振る舞いに変化があると、そこに新たな LCS が生まれ、それがフローセグメントの中に新たなセグメントを生み出す。現在のセグメントのピクセルが過去のセグメントに存在しているのかを照会して、それが連続的に存在するものか or 新たにできたものかを確認する。対応するものがなければ、そこに新たなセグメントができているものとする。

LCS だと境界みたいな感じだが、境界の状態を比べるのではなく、ここでは個々のピクセルを比較している？

> その通り。

LCS ごと比較できないのか？

## 古橋

画像処理の論文としては 2008 なのでかなり初期の部類。このあとどういう発展を遂げたのか？

> 調べていない。

所感で異質性の話があった。2008 では人流の話だが、今だとロボットの話とか。異質性の話も今日ではすでになされているのではないか。

## 大山

LCS の概念はわかったが数学的にどのように定義されているのか。

> 異なるフローセグメントの境界に出てくるもの。

可視化して定性的に見ているのか。モデルとして計算しているというよりも。
一枚の画像だと良いが状況が動的に変化する状況だと、定性的にしかわからないとなるとそこの判別が難しいのでは。

> セグメントの壁みたいなものが CS。これは概念的なものである。今回は FTLE 場の最大固有値として計算できる。

計算結果の図で、とても高密度、人がとても多いところを想定している。

> 粒子レベルでやっている。個人を点と捉えているのではなく、映像の中で流れ場が形成され、それが場における風のような役割を果たし、場にグリッド状にマーカーポイントを投下することで動きを追跡している。

## 議論

```
with 西尾

計算時間やばい。

- 1:1
- フレーム数
- 1 時間くらいを 1 秒ごと
- リアルタイム実装できない
    - 警備に役立たない
- セグメントが 2 つはざっくりしている。

画角内に全部収まっていないとだめ。カメラが 2 つ以上だと難しい
雑踏警備
```

### B4

一山

> この手法だと一つの画角内しか分析できなさそうだが、実際の適用例として雑踏警備とかを考えるとなかなかそういう場面はなく、複数のカメラで観測することのほうが多いと思う。複数のカメラの情報を統合してセグメンテーションができるようになれば不審な行動をする人物の検知とかに役立つのでは。

### M1

西尾

卒論で 4 つのカメラを統合したが大変だった。

> この手法だと一つの画角内しか分析できなさそうだが、実際の適用例として雑踏警備とかを考えるとなかなかそういう場面はなく、複数のカメラで観測することのほうが多いと思う。複数のカメラの情報を統合してセグメンテーションができるようになれば不審な行動をする人物の検知とかに役立つのでは。

### M2

古橋

> X のトレンドとかもいわば人流？わからんけど

### 大人賞

小林

実務上重要。

> この手法だと一つの画角内しか分析できなさそうだが、実際の適用例として雑踏警備とかを考えるとなかなかそういう場面はなく、複数のカメラで観測することのほうが多いと思う。複数のカメラの情報を統合してセグメンテーションができるようになれば不審な行動をする人物の検知とかに役立つのでは。

### Over 50

井料

Cf. ショックウェーブの検知。
実務上重要。

> ネットワークに拡張して交通流のよどみのようなものを検出して、豪雨や積雪などによる道路異常を早期に発見できそう

雑踏を検知してどう対処するかという観点があるのは良い。

カメラの観測はとても大変。ビルのオーナーとの交渉、画角の確保が大変