基于步态分析的实时人员识别
信号处理
2024-04-25 v1 计算机视觉与模式识别
摘要
每个人都有独特的步态，即行走方式，可作为个人识别的生物特征。最近的研究展示了使用深度神经网络进行有效的步态识别，然而这些工作大多主要关注分类准确率而非模型效率。为了在边缘可穿戴设备上进行步态识别，必须开发高效低功耗的模型，以便部署在微控制器等小尺寸设备上。在本文中，我们提出了一个 4 层的小型 CNN 模型，该模型非常适合边缘 AI 部署和实时步态识别。该模型在一个包含 20 个类别的公开步态数据集上进行了训练，并结合了作者收集的数据，总计 24 个类别。我们的模型实现了 96.7% 的准确率，在 Arduino Nano 33 BLE Sense 上运行连续推理时，仅消耗 5KB RAM，推理时间为 70 ms，功耗为 125mW。我们成功展示了在 Arduino 上运行该模型对作者的实时识别，从而突显了其有效性，并为在不久的将来部署于实际系统提供了可行性证明。
引用
@article{arxiv.2404.15312,
title = {Realtime Person Identification via Gait Analysis},
author = {Shanmuga Venkatachalam and Harideep Nair and Prabhu Vellaisamy and Yongqi Zhou and Ziad Youssfi and John Paul Shen},
journal= {arXiv preprint arXiv:2404.15312},
year = {2024}
}