基于运动捕捉数据的步态识别
计算机视觉与模式识别
2022-12-09 v2
摘要
步态识别作为模式分类学科，可通过机器学习的应用得以改进。本文通过一种统计方法对最先进水平作出贡献，该方法通过改进带最大间隔准则的线性判别分析直接从原始数据提取鲁棒步态特征。在CMU MoCap数据库上的实验表明，所建议的方法优于基于几何特征的十三种相关方法以及通过主成分分析与线性判别分析组合学习特征的方法。这些方法根据各自特征空间中以若干类可分离性系数和分类度量表示的生物特征模板分布进行评估。结果还表明了学习特征的高可移植性，即我们可以学习人们行走中通常不同的方面并将其作为通用步态特征提取。无需群体特定特征即可识别人很方便，因为特定人可能不总提供带标注的学习数据。作为对可重复研究的贡献，我们的评估框架和数据库已公开可用。本研究使运动捕捉技术直接适用于人类识别。
引用
@article{arxiv.1708.07755,
title = {Gait Recognition from Motion Capture Data},
author = {Michal Balazia and Petr Sojka},
journal= {arXiv preprint arXiv:1708.07755},
year = {2022}
}
备注
Preprint. Full paper accepted at the ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM), special issue on Representation, Analysis and Recognition of 3D Humans, February 2018. 18 pages. arXiv admin note: substantial text overlap with arXiv:1701.00995, arXiv:1609.04392, arXiv:1609.06936