使用红外线阵列传感器和LiDAR识别人的比较研究
Kai Liu1, Mondher Bouazizi2, Zelin Xing1
1Graduate School of Science and Technology, Keio University, Yokohama 223-8522, Japan.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
热成像在不同分辨率上提供了最强大的人身识别,优于RGB和深度数据. 这种模式通过专注于对象特征,这对于可靠的安全和监控系统至关重要,证明了卓越的通用性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 生物识别信息 生物识别信息
背景情况:
- 个人身份识别对于安全和监视至关重要.
- 现有系统需要在各种条件下强大的性能.
- 评估跨多种数据模式的深度学习模型是必不可少的.
研究的目的:
- 评估视觉变压器 (ViT) 和ResNet34模型对人身识别的有效性.
- 在不同的分辨率下,在RGB,热和深度模式中比较性能.
- 确定最可靠的可靠人身识别方式.
主要方法:
- 使用ViT和ResNet34模型进行人身识别.
- 用红外和LiDAR传感器捕获的RGB,热和深度数据集测试模型.
- 采用基于YOLO的裁剪来隔离受试者,并分析了从16x12到640x480.0分辨率的性能.
主要成果:
- 在高分辨率 (640x480) 的模式中具有高的识别性能:RGB (100.0%),深度 (99.54%),热 (97.93%).
- 热图像在低分辨率下表现出卓越的稳定性和通用性,专注于主体特征.
- 由于依赖背景,RGB性能在低分辨率下下降;深度数据因文物和分散的注意力而受到损害.
结论:
- 热成像是最可靠的人身识别方式,特别是在低分辨率场景中.
- 模式选择对于设计强大的个人识别系统至关重要.
- 未来的研究应该专注于多模式集成和先进的架构,以提高适应性.
