Моделі та методи машинного навчання для розпізнавання людської ходи

Анотація

У цій статті розглядається проблема ідентифікації людини за допомогою розпізнавання ходи в системах біометричної ідентифікації. Крім того, були окреслені основні вимоги до біометричних характеристик людини, обговорені основні біометричні характеристики та їх застосування в системах біометричної ідентифікації. Також була досліджена можливість використання ходи як біометричного ідентифікатора, підкреслені її переваги в тому, що вона не вимагає попереднього надання персональної біометричної інформації та спеціалізованого обладнання. Потім був проведений аналіз наукової літератури в галузі розпізнавання ходи. В ході дослідження були визначені основні проблеми та виклики, з якими стикаються дослідники в цій галузі, а також домінуючі тенденції в розпізнаванні ходи людини в системах біометричної ідентифікації. Крім того, в цій статті запропоновано метод ідентифікації людини за ходою на основі гістограми орієнтованих градієнтів та текстурних ознак Гаралика. Вхідне відео перетворюється на серію фотографій, на яких зображено силует ходи. GEI створюється шляхом комбінування цих силуетів ходи протягом циклу ходи. Потім GEI перетворюється на зображення величини градієнта ходи (GGMI). Другим кроком є отримання рекомендованих характеристик ходи з GGMI учасників, які включені в даний набір даних. По-третє, для попередньої обробки отриманих характеристик використовується аналіз головних компонент (Principal Component Analysis, PCA). Це відбувається шляхом зменшення розмірностей, які негативно впливають на надійність класифікації, що, в свою чергу, призводить до покращення продуктивності. На останньому кроці класифікатор KNN використовується для присвоєння категорій характеристикам, які були зібрані з певного набору даних.Запропонований новий вектор ознак пропонує підвищену надійність та ефективно фіксує просторові варіації, присутні в патернах ходи. Важливо, що це зменшує розмірність вектору ознак з 3780×1 до 63×1, що призводить до зменшення обчислювальної складності системи розпізнавання ходи. Експериментальні тести, проведені на наборах даних CASIA A та CASIA B, демонструють, що запропонований підхід перевершує інші методи на основі HOG у більшості сценаріїв, за винятком ситуацій з фронтальними зображеннями.