基于多通道时间序列的人体身份与软生物特征识别
计算机视觉与模式识别
2023-04-05 v1
摘要
多通道时间序列数据集在人体活动识别（HAR）领域十分常见。人体穿戴设备（OBD）对人体运动的记录因可靠性高且可作为身份保护手段（如工业环境中的应用）而备受HAR应用青睐。但矛盾的是，步态活动本身即一种生物特征，因其周期性运动具有区分性且可被采集。此外，步态周期已被证明包含年龄、身高等人群软生物特征信息。尽管一般人体运动未被视作生物特征，其可能蕴含身份相关信息。本文利用深度架构，研究通过人体执行不同活动时的OBD记录进行人体身份与软生物特征识别。此外，我们提出采用属性表示法进行软生物特征识别。我们在四个多通道时间序列HAR数据集上评估该方法，衡量人体身份与软生物特征识别的性能及其与所执行活动的关系。我们发现人体身份识别并不局限于步态活动。活动对识别性能的影响具有训练与数据集依赖性。基于软生物特征的属性表示法展现出良好前景，并凸显了更大规模数据集的必要性。
引用
@article{arxiv.2304.01585,
title = {Multi-Channel Time-Series Person and Soft-Biometric Identification},
author = {Nilah Ravi Nair and Fernando Moya Rueda and Christopher Reining and Gernot A. Fink},
journal= {arXiv preprint arXiv:2304.01585},
year = {2023}
}
备注
Accepted at the ICPR 2022 workshop: 12th International Workshop on Human Behavior Understanding