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

要約

歩行認識は、特に他の生理学的生体認証が非実用的または無効であるシナリオにおいて、個人を識別するための重要な生体認証技術です。
この論文では、歩行認識に関連する課題に取り組み、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紹介します。
提案された方法は、Mediapipe ポーズ推定モデルを通じて取得された連続歩行ランドマーク、位置合わせのための Procrustes 分析、時間依存性をキャプチャするための Siamese 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しています。
このアプローチの有効性を実証するために、大規模なクロスビュー データセットに対して広範な実験が実施され、他のモデルと比較して高い認識精度が達成されました。
このモデルは、CASIA-B、SZU RGB-D、OU-MVLP、Gait3D データセットでそれぞれ 95.7%、94.44%、87.71%、86.6% の精度を示しました。
この結果は、提案された方法がさまざまな実用的な領域に応用できる可能性を強調しており、歩行認識の分野へのこの方法の重要な貢献を示しています。

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, Google