論文の概要: Understanding person identification via gait

• arxiv url: http://arxiv.org/abs/2203.04179v2
• Date: Wed, 9 Mar 2022 08:03:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-10 12:39:26.551870
• Title: Understanding person identification via gait
• Title（参考訳）: 歩行による人物識別の理解
• Authors: Simon Hanisch and Evelyn Muschter and Adamantini Chatzipanagioti and Shu-Chen Li and Thorsten Strufe
• Abstract要約: 運動データのさまざまな側面を研究し、歩行認識プロセスへの寄与を定量化する。 その結果,データの冗長性と相互依存性が高いため,歩行匿名化は困難なプロセスであることがわかった。
• 参考スコア（独自算出の注目度）: 6.296016847062051
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Gait recognition is the process of identifying humans from their bipedal locomotion such as walking or running. As such gait data is privacy sensitive information and should be anonymized. With the rise of more and higher quality gait recording techniques, such as depth cameras or motion capture suits, an increasing amount of high-quality gait data becomes available which requires anonymization. As a first step towards developing anonymization techniques for high-quality gait data, we study different aspects of movement data to quantify their contribution to the gait recognition process. We first extract categories of features from the literature on human gait perception and then design computational experiments for each of the categories which we run against a gait recognition system. Our results show that gait anonymization is a challenging process as the data is highly redundant and interdependent.
• Abstract（参考訳）: 歩行認識は、歩行や走行などの二足歩行から人間を識別するプロセスである。 このような歩行データはプライバシーに敏感な情報であり、匿名化されるべきである。 深度カメラやモーションキャプチャスーツなど、より高品質な歩行記録技術が普及するにつれて、匿名化を必要とする高品質の歩行データが増えてきている。 高品質な歩行データのための匿名化技術開発に向けた第一歩として,移動データのさまざまな側面を調査し,歩行認識プロセスへの貢献を定量化する。 まず、人間の歩行知覚に関する文献から特徴のカテゴリを抽出し、その後、歩行認識システムに対して実行するカテゴリごとに計算実験をデザインする。 その結果,データの冗長性と相互依存性が高いため,歩行匿名化は困難なプロセスであることがわかった。

関連論文リスト

• Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
  本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。 室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
  論文  参考訳（メタデータ） (2023-07-27T01:53:57Z)
• Data-Driven but Privacy-Conscious: Pedestrian Dataset De-identification via Full-Body Person Synthesis [16.394031759681678]
  ペデストリアンデータセットの復号化タスクを動機付け,導入する。 PDIは、所定の非識別法に対して、非識別度とダウンストリームタスクトレーニング性能を評価する。 私たちのデータは、プライバシを意識した方法で、合成から実際のパフォーマンスギャップを狭めることができるかを示します。
  論文  参考訳（メタデータ） (2023-06-20T17:39:24Z)
• Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
  本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。 マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。 ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
  論文  参考訳（メタデータ） (2023-04-04T07:24:51Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• 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)
• 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)
• SelfGait: A Spatiotemporal Representation Learning Method for Self-supervised Gait Recognition [24.156710529672775]
  歩行認識は、歩行が距離で認識することができるユニークな生体測定機能であるため、人間の識別に重要な役割を果たします。 既存の歩行認識法は歩行系列から歩行特徴を異なる方法で学習することができるが、歩行認識の性能はラベル付きデータに苦しむ。 本研究では, 事前学習プロセスとして, 多種多様でラベルなしの歩行データを活用した自己監視歩行認識手法であるSelfGaitを提案する。
  論文  参考訳（メタデータ） (2021-03-27T05:15:39Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• CIAGAN: Conditional Identity Anonymization Generative Adversarial Networks [12.20367903755194]
  CIAGANは条件付き生成対向ネットワークに基づく画像およびビデオの匿名化モデルである。 このモデルでは,高品質な画像や映像を制作しながら,顔や身体の特徴を識別できる。
  論文  参考訳（メタデータ） (2020-05-19T15:56:08Z)
• Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
  最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。 モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
  論文  参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。