論文の概要: 3D Convolution Neural Network based Person Identification using Gait cycles

• arxiv url: http://arxiv.org/abs/2106.03136v1
• Date: Sun, 6 Jun 2021 14:27:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-08 18:42:35.173607
• Title: 3D Convolution Neural Network based Person Identification using Gait cycles
• Title（参考訳）: 歩行周期を用いた3次元畳み込みニューラルネットワークによる人物識別
• Authors: Ravi Shekhar Tiwari, Supraja P, Rijo Jackson Tom
• Abstract要約: この研究では、歩行の特徴を個人を特定するために使用される。このステップには、物体の検出、背景の抽出、シルエット抽出、骨格化、これらの歩行の特徴に関する3D畳み込みニューラルネットワークのトレーニングが含まれる。 提案法は, 膝と大腿の角度, 股関節角度, 接触角度などの特徴を抽出するために, 下肢に焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Human identification plays a prominent role in terms of security. In modern times security is becoming the key term for an individual or a country, especially for countries which are facing internal or external threats. Gait analysis is interpreted as the systematic study of the locomotive in humans. It can be used to extract the exact walking features of individuals. Walking features depends on biological as well as the physical feature of the object; hence, it is unique to every individual. In this work, gait features are used to identify an individual. The steps involve object detection, background subtraction, silhouettes extraction, skeletonization, and training 3D Convolution Neural Network on these gait features. The model is trained and evaluated on the dataset acquired by CASIA B Gait, which consists of 15000 videos of 124 subjects walking pattern captured from 11 different angles carrying objects such as bag and coat. The proposed method focuses more on the lower body part to extract features such as the angle between knee and thighs, hip angle, angle of contact, and many other features. The experimental results are compared with amongst accuracies of silhouettes as datasets for training and skeletonized image as training data. The results show that extracting the information from skeletonized data yields improved accuracy.
• Abstract（参考訳）: 人間の識別はセキュリティにおいて顕著な役割を果たす。 現代では、セキュリティは個人や国、特に内外の脅威に直面している国にとって重要な用語になりつつある。 歩行分析は、人間の機関車の系統的研究として解釈される。 個人の正確な歩行特徴を抽出するために使用できる。 歩行の特徴は生物や物体の物理的特徴に依存するため、個々の個体に固有のものである。 本研究では、個人を特定するために歩行特徴を用いる。 ステップには、オブジェクト検出、背景サブトラクション、シルエット抽出、スケルトン化、およびこれらの歩行特徴に対する3d畳み込みニューラルネットワークのトレーニングが含まれる。 CASIA B Gaitは、バッグやコートなどの物体を運ぶ11の異なる角度から撮影された124人の歩行パターンの15,000の動画で構成されている。 提案手法は, 膝と大腿の角度, 股関節角度, 接触角度, その他の特徴を抽出するために, より下半身に焦点をあてる。 実験結果は,トレーニング用データセットとしてのシルエットとトレーニングデータとしての骨格画像の比較を行った。 その結果,スケルトン化データから情報を抽出すると精度が向上した。

関連論文リスト

• Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
  我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。 我々は500人以上の参加者から行動データの35万件の試行を収集した。 次に、一般的な視覚モデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:13Z)
• AiOS: All-in-One-Stage Expressive Human Pose and Shape Estimation [55.179287851188036]
  人間のポーズと形状の復元のための新しいオールインワンステージフレームワークであるAiOSを、追加の人間検出ステップなしで導入する。 まず、画像中の人間の位置を探索し、各インスタンスのグローバルな機能をエンコードするために、人間のトークンを使用します。 そして、画像中の人間の関節を探索し、きめ細かい局所的特徴を符号化するジョイント関連トークンを導入する。
  論文  参考訳（メタデータ） (2024-03-26T17:59:23Z)
• GaitFormer: Learning Gait Representations with Noisy Multi-Task Learning [4.831663144935878]
  本稿では,217Kの匿名トラックレットを含む歩行分析システムのための最大データセットであるDenseGaitを提案する。 また、CASIA-Bで92.5%、FVGで85.33%の精度を実現するトランスフォーマーベースのモデルであるGaitFormerを提案する。
  論文  参考訳（メタデータ） (2023-10-30T10:28:44Z)
• Gait Recognition Using 3-D Human Body Shape Inference [22.385670309906352]
  限られた画像から抽出した3次元形状を推定する手法を提案する。 RGB画像に先行する3次元形状から知識を伝達することにより,シルエットから3次元身体推論を学習する方法を提供する。
  論文  参考訳（メタデータ） (2022-12-18T09:27:00Z)
• Body Part-Based Representation Learning for Occluded Person Re-Identification [102.27216744301356]
  隠蔽人物再識別(ReID)とは,隠蔽人物画像と包括的人物画像とのマッチングを目的とした人物検索タスクである。 パートベースの手法は、微細な情報を提供し、部分的に見える人間の体を表現するのに適しているため、有益であることが示されている。 本稿では,BPBreIDという身体部分に基づくReIDモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-07T16:48:41Z)
• Towards a Deeper Understanding of Skeleton-based Gait Recognition [4.812321790984493]
  近年、ほとんどの歩行認識法は、人のシルエットを使って歩行の特徴を抽出している。 モデルに基づく手法はこれらの問題に悩まされず、身体関節の時間運動を表現することができる。 本研究では,高次入力と残差ネットワークを組み合わせたグラフ畳み込みネットワーク(GCN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-16T18:23:37Z)
• Privacy-Preserving Eye-tracking Using Deep Learning [1.5484595752241124]
  本研究では,個々の顔の画像に基づいて訓練されたディープ・ネットワーク・モデルの場合に着目した。 本研究では,トレーニングデータの整合性を合理的な信頼性で保持することを示す。
  論文  参考訳（メタデータ） (2021-06-17T15:58:01Z)
• Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
  ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。 具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T16:36:50Z)
• Liquid Warping GAN with Attention: A Unified Framework for Human Image Synthesis [58.05389586712485]
  我々は、人間の動きの模倣、外見の移入、新しい視点の合成など、人間の画像合成に取り組む。 本稿では,ポーズと形状を乱す3次元ボディーメッシュ回収モジュールを提案する。 我々はまた、人間の動きの模倣、外観伝達、新しいビュー合成を評価するために、新しいデータセット、すなわちiPERデータセットを構築した。
  論文  参考訳（メタデータ） (2020-11-18T02:57:47Z)
• Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
  現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。 まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。 このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
  論文  参考訳（メタデータ） (2020-08-19T23:19:08Z)
• Learning landmark guided embeddings for animal re-identification [15.356786390476591]
  身体のランドマーク情報を明示的に活用して埋め込み学習を改善することを提案する。 ボディランドマークは、信頼性ヒートマップとしてCNNの入力に提供される。 提案手法を,大規模合成データセットと小型実データセットで評価した。
  論文  参考訳（メタデータ） (2020-01-09T01:31:00Z)

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。