基于深度行走的个人识别:一项调查
Md Khaliluzzaman1,2, Ashraf Uddin1, Kaushik Deb1
1Department of Computer Science and Engineering, Chittagong University of Engineering & Technology, Chattogram 4349, Bangladesh.
Sensors (Basel, Switzerland)
|July 11, 2023
概括
步态识别使用深度学习进行远程个人识别. 这项研究审查了深度学习方法,数据集和步行模式识别挑战,以提高准确性.
科学领域:
- 计算机视觉 计算机视觉
- 生物识别信息 生物识别信息
- 机器学习 机器学习
背景情况:
- 步态识别或步行模式识别是一种生物识别技术,用于远程识别个人.
- 自2014年以来,深度学习方法在步态识别中显示出自动特征提取的前景.
- 准确的步态识别面临环境变化,共变因和人体表现的挑战.
研究的目的:
- 为深度学习的进展提供全面的概述,用于步态识别.
- 分析现有的步态数据集并评估最先进的技术性能.
- 介绍深度学习方法的分类,并确定它们在步态识别方面的局限性.
主要方法:
- 对步态识别数据集的文献综述和当前技术的性能分析.
- 开发一种分类学来分类和组织步态识别中的深度学习方法.
- 识别和讨论这项任务的深度学习方法固有的局限性.
主要成果:
- 分析各种步行数据集和领先的深度学习技术的性能基准.
- 一个结构化的分类系统,分类用于步态识别的深度学习方法.
- 确定当前深度学习方法在步态识别方面的基本局限性.
结论:
- 深度学习已经推进了步态识别,但仍然存在重大挑战.
- 一个结构化的概述和分类学有助于理解研究格局和局限性.
- 未来的研究应该专注于解决已识别的挑战,以提高步态识别性能.
更多相关视频
06:54Clinical-oriented Three-dimensional Gait Analysis Method for Evaluating Gait Disorder
Published on: March 4, 2018
14.2K
06:25Paw-Print Analysis of Contrast-Enhanced Recordings PrAnCER: A Low-Cost, Open-Access Automated Gait Analysis System for Assessing Motor Deficits
Published on: August 12, 2019
8.5K
