堆叠的步态:基于堆叠的自动编码器的人类步态识别方案
Asif Mehmood1, Javeria Amin2, Muhammad Sharif1
1Department of Computer Science, COMSATS University Islamabad, Wah Campus, Wah Cantt, Pakistan.
PloS one
|October 23, 2024
概括
这项研究介绍了Stacked-Gait,这是一种用于人类步态识别 (HGR) 的新型混合方法,可以克服服装变化等挑战. 该系统实现了高精度,证明了其对生物识别的有效性.
科学领域:
- 计算机科学 计算机科学
- 生物识别信息 生物识别信息
- 机器学习 机器学习
背景情况:
- 人类步行识别 (HGR) 是一种基于步行模式的生物识别技术,用于基于步行模式的个人识别.
- 对于监控来说,HGR很有价值,但由于服装,携带物体和行走风格的变化,它面临性能下降.
研究的目的:
- 开发一种强大的混合方法,堆叠步态,用于准确地识别人类的步态.
- 解决现有HGR方法的性能限制,这是由于现实世界的变化造成的.
主要方法:
- 堆叠步行方法涉及图像大小调整和灰度转换用于特征提取.
- 它使用堆叠的自动编码器来从训练数据中学习功能,并从测试数据中提取功能.
- 提取的特征向量使用各种机器学习算法进行分类.
主要成果:
- 在CASIA-B数据集上评估了堆叠步行系统.
- 在不同的视角实现了高准确率,包括在0度时达到99.90%,在90度时达到100%.
- 与最近的HGR计划相比,表现优越.
结论:
- 堆叠的步态为人类步态识别提供了一个有前途且有效的解决方案.
- 混合方法成功地减轻了步态数据变化带来的挑战.
- 该方法显示了加强生物识别安全和监控系统的巨大潜力.
