通过人类身体部位的时间几何特征进行多视图步态分析

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
• 人类运动分析分析

背景情况:

• 步态分析,即走路模式的研究,是个人识别的关键生物识别指标.
• 基于视觉的人类姿势估计已经成为提取详细步态特征的强大工具.
• 现有的方法需要强大的特征提取和有效的融合策略来准确识别步态.

研究的目的:

• 开发和评估基于视觉的系统,使用步态分析准确识别人.
• 为了研究不同身体部位特征 (整体,上,下) 对步态识别性能的影响.
• 为了提高步态分析在临床,心理和情绪评估的潜在应用.

主要方法:

• 使用基于视觉的人类姿势估计来从多视图步行数据库 (CASIA-B,OUMVLP-Pose) 提取关节角度.
• 在人身份匹配中使用动态时间曲线 (DTW) 来计算最小距离.
• 实施了多数投票算法,将多个摄像头视图的匹配结果合并,提高了准确性.

主要成果:

• 将特征分成全身,上身和下身的组成部分,以评估它们对步态分析的个人贡献.
• 证明通过多数投票集成多摄像头数据可以提高人身识别的准确性.
• 与单摄像头或非合匹配方法相比,准确度大约提高了30%.

结论:

• 基于视觉的姿势估计与DTW和多数投票相结合,为基于步态的个人识别提供了一个非常有效的方法.
• 功能分析表明,不同的身体部分对步态识别有独特的贡献,为进一步优化提供了途径.
• 拟议的方法表明,它有望扩大步态分析的范围,超越识别到其他行为和与健康相关的任务.