論文の概要: PURE: Passive mUlti-peRson idEntification via Deep Footstep Separation and Recognition

• arxiv url: http://arxiv.org/abs/2104.07177v1
• Date: Thu, 15 Apr 2021 00:28:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-17 06:47:07.788548
• Title: PURE: Passive mUlti-peRson idEntification via Deep Footstep Separation and Recognition
• Title（参考訳）: ディープフットステップ分離と認識による受動的多人数識別
• Authors: Chao Cai, Ruinan Jin, Peng Wang, Liyuan Ye, Hongbo Jiang, Jun Luo
• Abstract要約: 受動的多人数識別システムとしてシステム名を提案する。 systemname はユーザーの足跡にユニークな「足跡」を解読することでユーザを受動的に識別する。 ドメインの汎用性と識別精度を向上させるために、対比学習技術を適用します。
• 参考スコア（独自算出の注目度）: 10.20796563497331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, \textit{passive behavioral biometrics} (e.g., gesture or footstep) have become promising complements to conventional user identification methods (e.g., face or fingerprint) under special situations, yet existing sensing technologies require lengthy measurement traces and cannot identify multiple users at the same time. To this end, we propose \systemname\ as a passive multi-person identification system leveraging deep learning enabled footstep separation and recognition. \systemname\ passively identifies a user by deciphering the unique "footprints" in its footstep. Different from existing gait-enabled recognition systems incurring a long sensing delay to acquire many footsteps, \systemname\ can recognize a person by as few as only one step, substantially cutting the identification latency. To make \systemname\ adaptive to walking pace variations, environmental dynamics, and even unseen targets, we apply an adversarial learning technique to improve its domain generalisability and identification accuracy. Finally, \systemname\ can defend itself against replay attack, enabled by the richness of footstep and spatial awareness. We implement a \systemname\ prototype using commodity hardware and evaluate it in typical indoor settings. Evaluation results demonstrate a cross-domain identification accuracy of over 90\%.
• Abstract（参考訳）: 近年,特殊な状況下では,従来のユーザ識別法 (顔や指紋など) を補完する手法として,<textit{passive behavior biometrics} (ジェスチャーや足跡など) が提案されているが,既存のセンシング技術では測定トレースが長く,同時に複数のユーザを識別することはできない。 そこで本研究では,ディープラーニングを利用した受動的多人数識別システムである \systemname\ を提案する。 systemname\ パッシブにユーザを識別するには、足跡にユニークな "footprints" を解読する。 既存の歩行可能な認識システムとは異なり、 \systemname\ は人の認識をわずか1ステップしか行わず、識別遅延を大幅に削減することができる。 歩行速度の変動や環境動態,さらには未知の目標に適応させるため,ドメインの一般性や識別精度を向上させるために,対向学習手法を適用した。 最後に、 \systemname\ は足跡の豊かさと空間的意識によって実現されるリプレイ攻撃から自らを守ることができる。 コモディティハードウェアを用いた \systemname\ プロトタイプを実装し,典型的な室内環境で評価する。 その結果, クロスドメイン識別精度は90%以上であった。

関連論文リスト

• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Biometrics Employing Neural Network [0.0]
  指紋、虹彩、網膜パターン、顔認識、手形、手のひら印刷、音声認識はバイオメトリックスの形式としてよく用いられる。 システムが効果的で広く受け入れられるためには、認識と検証におけるエラー率はゼロに近づかなければならない。 人間の脳の動作をシミュレートする人工ニューラルネットワークは、自身を有望なアプローチとして提示する。
  論文  参考訳（メタデータ） (2024-02-01T03:59:04Z)
• TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [7.092869001331781]
  顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。 フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。 本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T21:04:05Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• Locally Authenticated Privacy-preserving Voice Input [10.82818142802482]
  サービスプロバイダはユーザを認証しなければならないが、個人はプライバシの維持を望むかもしれない。 認証の実行中にプライバシを保存することは、特に敵がバイオメトリックデータを使用してトランスフォーメーションツールをトレーニングする場合には、非常に難しい。 ユーザの生信号のデバイス上の指紋をキャプチャして保存する,セキュアでフレキシブルなプライバシ保護システムを導入する。
  論文  参考訳（メタデータ） (2022-05-27T14:56:01Z)
• RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
  我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。 以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-13T06:30:56Z)
• Data-driven behavioural biometrics for continuous and adaptive user verification using Smartphone and Smartwatch [0.0]
  行動バイオメトリックスと多要素認証(MFA)をブレンドするアルゴリズムを提案する。 本研究では,モーションベースバイオメトリックスを用いてユーザの身元を検証するための2段階のユーザ検証アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-07T02:46:21Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification [51.98150752331922]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。 オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。 本手法は最先端手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-12-26T07:35:35Z)
• End-to-end User Recognition using Touchscreen Biometrics [11.394909061094463]
  目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。 提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
  論文  参考訳（メタデータ） (2020-06-09T16:38:09Z)

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。