融合惯性与RGBD传感器的鲁棒步态识别
计算机视觉与模式识别
2018-11-02 v1
摘要
步态已被视为一种极具前景且独特的用于人员识别的生物特征。传统上，步态数据使用彩色传感器（如CCD相机）、深度传感器（如Microsoft Kinect）或惯性传感器（如加速度计）之一进行采集。然而，单一类型传感器可能仅能捕获部分动态步态特征，并使步态识别对复杂协变量条件敏感，导致基于步态的人员识别系统脆弱。本文提出融合全部三种传感器进行步态数据采集与识别，可用于重要识别应用，如进入受限建筑或区域的身份识别。我们提出两种新算法，即EigenGait和TrajGait，分别从惯性数据与RGBD（彩色与深度）数据中提取步态特征。具体而言，EigenGait从特征空间中的加速度计读数提取通用步态动力学，TrajGait通过分析3D稠密轨迹提取更细致的子动力学。最后，两种提取的特征均输入监督分类器进行步态识别与人员识别。在50名受试者上的实验，通过与若干其他最先进(state-of-the-art)步态识别方法比较，表明所提方法能获得更高的识别精度与鲁棒性。
引用
@article{arxiv.1610.09816,
title = {Robust Gait Recognition by Integrating Inertial and RGBD Sensors},
author = {Qin Zou and Lihao Ni and Qian Wang and Qingquan Li and Song Wang},
journal= {arXiv preprint arXiv:1610.09816},
year = {2018}
}