基于三维卷积神经网络的步态周期人体识别
计算机视觉与模式识别
2021-06-08 v1 人工智能
摘要
人体识别在安全性方面起着重要作用。在现代，安全正成为个人或国家的关键词，尤其对面临内部或外部威胁的国家而言。步态分析被解释为对人体运动的系统研究，可用于提取个人的精确行走特征。行走特征取决于对象的生物及物理特征，因而对每个人都是独特的。本工作中，步态特征被用于识别个人。步骤包括对象检测、背景减除、轮廓提取、骨架化，以及在这些步态特征上训练三维卷积神经网络。模型在CASIA B Gait数据集上训练和评估，该数据集包含124个受试者、从11个不同角度捕获、携带包和 coat 等物体的15000段行走视频。所提方法更关注下半身以提取膝与大腿夹角、髋角、接触角等诸多特征。实验结果比较了以轮廓为训练数据集和以骨架化图像为训练数据的准确率。结果表明，从骨架化数据中提取信息可获得更高准确率。
引用
@article{arxiv.2106.03136,
title = {3D Convolution Neural Network based Person Identification using Gait cycles},
author = {Ravi Shekhar Tiwari and Supraja P and Rijo Jackson Tom},
journal= {arXiv preprint arXiv:2106.03136},
year = {2021}
}