IDNet：基于智能手机与卷积神经网络的步态识别
计算机视觉与模式识别
2018-09-21 v3 机器学习
摘要
在此，我们提出 IDNet，一个基于智能手机采集运动信号的用户认证框架。其目标是通过用户放在裤子前袋中的商用智能手机提供的加速度计和陀螺仪（惯性）信号，从其行走方式中识别目标用户。IDNet 具有几项创新，包括：i) 一个鲁棒且与智能手机方向无关的步行周期提取模块；ii) 一个基于卷积神经网络的新型特征提取器；iii) 一个用于对步行周期进行分类的单类支持向量机；以及将上述内容连贯地整合为 iv) 一个多阶段认证技术。IDNet 是首个利用深度学习方法作为步态识别通用特征提取器，并将后续步行周期的分类结果整合到多阶段决策框架中的系统。实验结果表明我们的方法优于 SOTA 技术，在少于五个步行周期的情况下，误分类率（无论是假阴性还是假阳性）低于 0.15%。本文贯穿始终讨论并论证了设计选择，评估了它们对用户认证性能的影响。
引用
@article{arxiv.1606.03238,
title = {IDNet: Smartphone-based Gait Recognition with Convolutional Neural Networks},
author = {Matteo Gadaleta and Michele Rossi},
journal= {arXiv preprint arXiv:1606.03238},
year = {2018}
}