A Bidirectional Siamese Recurrent Neural Network for Accurate Gait Recognition Using Body Landmarks

要約

歩行認識は、特に他の生理学的バイオメトリクスが実用的でない、あるいは有効でないシナリオにおいて、人物識別のための重要なバイオメトリクス技術である。本論文では、歩行認識に関連する課題を取り上げ、その精度と信頼性を向上させるための新しいアプローチを提示する。提案手法は、Mediapipeポーズ推定モデルによって得られる連続的な歩行ランドマーク、アライメントのためのProcrustes分析、時間依存性を捉えるためのシャムbiGRU-dualStackニューラルネットワークアーキテクチャなどの高度な技術を活用する。本アプローチの有効性を実証するため、大規模なクロスビューデータセットを用いて広範な実験を行い、他のモデルと比較して高い認識精度を達成した。このモデルは、CASIA-B、SZU RGB-D、OU-MVLP、Gait3Dデータセットにおいて、それぞれ95.7%、94.44%、87.71%、86.6%の精度を実証した。この結果は、様々な実用的な領域における提案手法の応用の可能性を強調し、歩行認識分野への大きな貢献を示している。

要約(オリジナル)

Gait recognition is a significant biometric technique for person identification, particularly in scenarios where other physiological biometrics are impractical or ineffective. In this paper, we address the challenges associated with gait recognition and present a novel approach to improve its accuracy and reliability. The proposed method leverages advanced techniques, including sequential gait landmarks obtained through the Mediapipe pose estimation model, Procrustes analysis for alignment, and a Siamese biGRU-dualStack Neural Network architecture for capturing temporal dependencies. Extensive experiments were conducted on large-scale cross-view datasets to demonstrate the effectiveness of the approach, achieving high recognition accuracy compared to other models. The model demonstrated accuracies of 95.7%, 94.44%, 87.71%, and 86.6% on CASIA-B, SZU RGB-D, OU-MVLP, and Gait3D datasets respectively. The results highlight the potential applications of the proposed method in various practical domains, indicating its significant contribution to the field of gait recognition.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL