論文の概要: Person Re-identification by analyzing Dynamic Variations in Gait
Sequences
- arxiv url: http://arxiv.org/abs/2006.15109v1
- Date: Fri, 26 Jun 2020 17:16:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 22:06:58.298801
- Title: Person Re-identification by analyzing Dynamic Variations in Gait
Sequences
- Title（参考訳）: 歩行系列の動的変動解析による人物再同定
- Authors: Sandesh Bharadwaj (1,2) and Kunal Chanda (2) ((1) Indian Institute of
Information Technology, Design and Manufacturing, Kancheepuram, (2) Center
for Development of Advanced Computing, Kolkata)
- Abstract要約: 本稿では,動的な動きの変動を分析し,予測された変化のデータベースを使わずに人物を識別する,新たなアプローチを提案する。
CASIA-B Gait Databaseは実験分析の主要なデータセットとして使用される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait recognition is a biometric technology that identifies individuals in a
video sequence by analysing their style of walking or limb movement. However,
this identification is generally sensitive to appearance changes and
conventional feature descriptors such as Gait Energy Image (GEI) lose some of
the dynamic information in the gait sequence. Active Energy Image (AEI) focuses
more on dynamic motion changes than GEI and is more suited to deal with
appearance changes. We propose a new approach, which allows recognizing people
by analysing the dynamic motion variations and identifying people without using
a database of predicted changes. In the proposed method, the active energy
image is calculated by averaging the difference frames of the silhouette
sequence and divided into multiple segments. Affine moment invariants are
computed as gait features for each section. Next, matching weights are
calculated based on the similarity between extracted features and those in the
database. Finally, the subject is identified by the weighted combination of
similarities in all segments. The CASIA-B Gait Database is used as the
principal dataset for the experimental analysis.
- Abstract（参考訳）: 歩行認識(英: Gait recognition)は、歩行や手足の動きを分析することで、ビデオシーケンス内の個人を識別する生体計測技術である。
しかし、この識別は外観変化に敏感であり、歩行エネルギー画像(GEI)のような従来の特徴記述子は歩行シーケンスの動的情報が失われる。
Active Energy Image (AEI)はGEIよりもダイナミックな動きの変化に焦点を当てており、外観の変化に対処するのに適している。
本研究では,動的動作の変動を解析し,予測した変化のデータベースを使わずに人物を識別する手法を提案する。
提案手法では,シルエット配列の差分フレームを平均化し,複数のセグメントに分割することにより,能動エネルギー画像を算出する。
アフィンモーメント不変量は各セクションの歩行特徴として計算される。
次に、抽出した特徴とデータベース内の特徴との類似性に基づいてマッチング重みを算出する。
最後に、対象は全セグメントの類似性の重み付き結合によって識別される。
CASIA-B Gait Databaseは実験分析の主要なデータセットとして使用される。
関連論文リスト
- Dynamic Token Selection for Aerial-Ground Person Re-Identification [0.36832029288386137]
AGPReIDに適した新しい動的トークン選択変換器(DTST)を提案する。
入力画像を複数のトークンに分割し、各トークンは画像内のユニークな領域や特徴を表す。
我々はTop-k戦略を用いて、識別に不可欠な重要な情報を含む最も重要なトークンkを抽出する。
論文 参考訳（メタデータ） (2024-11-30T11:07:11Z) - Histopathology Whole Slide Image Analysis with Heterogeneous Graph
Representation Learning [78.49090351193269]
本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。
具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。
我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
論文 参考訳（メタデータ） (2023-07-09T14:43:40Z) - DyGait: Exploiting Dynamic Representations for High-performance Gait
Recognition [35.642868929840034]
歩行認識は、歩行パターンを通して人間の身元を認識する生体計測技術である。
我々は動的特徴の抽出に焦点をあて,DyGaitという新しい高性能なフレームワークを提案する。
我々のネットワークは、GREWデータセットで71.4%、Gait3Dデータセットで66.3%、CAIA-Bデータセットで98.4%、OU-Mデータセットで98.3%の平均ランク1の精度を達成した。
論文 参考訳（メタデータ） (2023-03-27T07:36:47Z) - Motion Gait: Gait Recognition via Motion Excitation [5.559482051571756]
本研究では,時間的特徴をガイドする動作励起モジュール (MEM) を提案する。
MEMはフレームと間隔の違い情報を学習し、時間変動の表現を得る。
本研究では,人間の水平部分の空間的時間的表現に基づいて独立に学習するファイン・フィーチャー・エクストラクタ(EFF)を提案する。
論文 参考訳（メタデータ） (2022-06-22T13:47:14Z) - EEG-ConvTransformer for Single-Trial EEG based Visual Stimuli
Classification [5.076419064097734]
本研究は,マルチヘッド自己注意に基づくEEG-ConvTranformerネットワークを導入する。
5種類の視覚刺激分類タスクにまたがる最先端技術による分類精度の向上を実現している。
論文 参考訳（メタデータ） (2021-07-08T17:22:04Z) - Dynamic Graph Modeling of Simultaneous EEG and Eye-tracking Data for
Reading Task Identification [79.41619843969347]
我々は、脳波(EEG)と眼球運動(EM)データからヒトの読取意図を特定するための新しいアプローチAdaGTCNを提案する。
本稿では,AdaGTCN(Adaptive Graph Temporal Convolution Network)の手法として,Adaptive Graph Learning LayerとDeep Neighborhood Graph Convolution Layerを用いた。
このアプローチといくつかのベースラインを比較し、ZuCo 2.0データセットの6.29%の改善と広範なアブレーション実験を報告します。
論文 参考訳（メタデータ） (2021-02-21T18:19:49Z) - Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。
この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
論文 参考訳（メタデータ） (2020-12-16T04:06:02Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z) - End-to-End Models for the Analysis of System 1 and System 2 Interactions
based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。
統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。
機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文 参考訳（メタデータ） (2020-02-03T17:46:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。