基于最少步态相位与传感器的步态人体识别
计算机视觉与模式识别
2021-10-19 v1 信号处理
摘要
人体识别是智能环境中状态监测、人机交互和提供辅助服务最常见且最关键的任务之一。近年来，人体步态作为一种生物识别特征重新受到关注，以实现不受物理外观影响、远距离非接触式识别。然而，无论是基于可穿戴设备还是基于图像的系统，步态识别的一个重要方面是在可用信息有限时（例如，仅可见整个步态周期的一小部分或仅可见受试者身体的一部分时）进行准确识别。在本文中，我们提出了一种基于不同步态相位的时间参数和描述性统计参数作为特征的步态识别技术，并研究了在仅使用最少传感器的情况下，仅利用单一步态相位进行识别任务的性能。结果表明，仅通过单一传感器监测整个步态周期的单一相位，即可实现超过95.5%的高准确率。结果还表明，当通过骨盆和足部传感器组合监测整个步态周期时，所提出的方法可实现100%的识别准确率。研究发现，与SVM相比，ANN对较少的数据特征具有更强的鲁棒性，并被认定为最适合该任务的机器学习算法。
引用
@article{arxiv.2110.09286,
title = {Gait-based Human Identification through Minimum Gait-phases and Sensors},
author = {Muhammad Zeeshan Arshad and Dawoon Jung and Mina Park and Kyung-Ryoul Mun and Jinwook Kim},
journal= {arXiv preprint arXiv:2110.09286},
year = {2021}
}
备注
Accepted in 43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2021)