基于深度学习的鞋印分析与年龄预测
计算机视觉与模式识别
2023-02-09 v2
摘要
人类行走与步态涉及多个复杂身体部位,并受个性、情绪、社会与文化特征及衰老影响。这些因素反映于鞋印中,进而可用于预测年龄,而该问题尚未有基于计算方法系统的研究。我们收集了7至80岁受试者的100,000枚鞋印,并据此数据开发深度学习端到端模型ShoeNet以分析年龄相关模式并预测年龄。该模型通过跳跃机制整合多种卷积神经网络模型,从成对鞋印中提取年龄相关特征,尤其位于压力与磨损区域。结果显示40.23%受试者预测误差在5岁以内,性别分类准确率达86.07%。有趣的是,年龄相关特征主要存在于左右鞋印的非对称差异中。分析亦揭示了鞋印压力分布中有趣的年龄相关与性别相关模式;特别地,压力随年龄由脚趾中部向外周区域扩散,且脚跟区域存在性别特异性变化。此类统计为法医调查、步态异常医学研究、生物特征识别及运动研究提供了新方法的洞见。
引用
@article{arxiv.2011.03794,
title = {Deep Learning Analysis and Age Prediction from Shoeprints},
author = {Muhammad Hassan and Yan Wang and Di Wang and Daixi Li and Yanchun Liang and You Zhou and Dong Xu},
journal= {arXiv preprint arXiv:2011.03794},
year = {2023}
}
备注
24 pages, 20 Figures