Все
 
 
 


Распознавание человека по походке и внешности
 
Код статьиS000523100000515-0-1
DOI10.31857/S000523100000515-0
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Арсеев Сергей Петрович  
Аффилиация: Московский государственный университет им. М.В. Ломоносова
Адрес: Российская Федерация, Москва
Лютов Владимир Сергеевич
Аффилиация: Московский государственный университет им. М.В. Ломоносова
Адрес: Российская Федерация, Москва
Конушин Антон Сергеевич
Аффилиация:
Московский государственный университет им. М.В. Ломоносова
Национальный исследовательский университет Высшая школа экономики
Адрес: Российская Федерация, Москва
Название журналаПрограммирование
ВыпускВыпуск 4
Страницы97-106
Аннотация

В работе рассматривается задача идентификации человека в видеопоследовательности. Для нее предлагаются два взаимодополняющих решения, которые могут быть применены в различных ситуациях: распознавание по походке и по внешнему виду. Для распознавания по походке рассматриваются три вида признаков: антропометрические признаки, то есть длины сегментов скелета и высота человека; признаки относительных расстояний, получаемые из разности координат различных точек скелета; а также признаки движения, основанные на смещении узла скелета между двумя соседними кадрами. Представлены два вида алгоритма распознавания по походке: использующий данные о глубине и работающий только с видеопоследовательностью. Для распознавания по внешности предлагается алгоритм глубинного обучения, строящий бинарные признаки изображения. Оба алгоритма проверены на двух эталонных коллекциях. Также описывается перенос протоко- ла тестирования с одной эталонной коллекции на другую для проверки переносимости обученной модели.

Ключевые слова
Источник финансированияПроект выполнен при частичной поддержке гранта РФФИ № 16-29-09612.
Получено01.10.2018
Дата публикации07.10.2018
Кол-во символов1000
Цитировать   Скачать pdf Для скачивания PDF необходимо авторизоваться
Размещенный ниже текст является ознакомительной версией и может не соответствовать печатной.

всего просмотров: 1375

Оценка читателей: голосов 0 

1. Kuplyakov D., Shalnov E., Konushin A. Markov chain Monte Carlo based video tracking algorithm, Program. Comput. Software, 2017, vol. 43, no. 4, pp. 224–229.
2. Shalnov E., Gringauz A., Konushin A. Estimation of the people position in the world coordinate system for video surveillance, Program. Comput. Software, 2016, vol. 42, no. 6, pp. 361–366.
3. Srikrishna Karanam, Mengran Gou, Ziyan Wu, et al. A systematic evaluation and benchmark for person reidentification: Features, metrics, and datasets, 2016, Preprint arXiv:1605.09653.
4. Man Ju, Bhanu Bir. Individual recognition using gait energy image, IEEE Trans. Pattern Anal. Mach. Intell., 2006, vol. 28, no. 2, pp. 316–322.
5. Chhatrala Risil, Jadhav Dattatray V. Gait recognition based on curvelet transform and PCANet, Pattern Recognit. Image Anal., 2017, vol. 27, no. 3, pp. 525–531.
6. Bobick A.F., Johnson A.Y. Gait recognition using static, activity-specific parameters, in Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2001), Kauai, Hawaii, IEEE, 2001, vol. 1, pp. I-423–I-430.
7. Lee L., Grimson W., Eric L. Gait analysis for recognition and classification, IEEE Proc. of the Fifth Conf. Automatic Face and Gesture Recognition, 2002, pp. 155–162.
8. Dimitris Kastaniotis, Ilias Theodorakopoulos, Christos Theoharatos, et al. A framework for gait-based recognition using Kinect, Pattern Recognit. Lett., 2015, vol. 68, pp. 327–335.
9. Rouzbeh Sohrab, Babael Mahdi. Human gait recognition using body measures and joint angles, Int. J., 2015, vol. 6, no. 4, pp. 2305–1493.
10. Yang K., Dou Y., Lv S., et al. Relative distance features for gait recognition with Kinect, J. Visual Commun. Image Representation, 2016, vol. 39, pp. 209–217.
11. Lin K., Yang H.-F., Hsiao J.-H., et al. Deep learning of binary hash codes for fast image retrieval, in IEEE Proc. of the Conference on Computer Vision and Pattern Recognition Workshops, 2015, pp. 27–35.
12. Zheng L., Yang Y., Hauptmann A.G. Person reidentification: Past, present and future, 2016, Preprint arXiv:1610.02984.
13. Matsukawa T., Okabe T., Suzuki E., Sato Y. Hierarchical Gaussian descriptor for person reidentification, in IEEE Proc. of the Conference on Computer Vision and Pattern Recognition, IEEE, 2016, pp. 1363–1372.
14. Hermans A., Beyer L., Leibe B. In defense of the triplet loss for person re-identification, 2017, Preprint arXiv:1703.07737.
15. Zhang Y., Xiang T., Hospedales T.M., et al. Deep Mutual Learning, 2017, Preprint arXiv:1706.00384.
16. Morozov F., Konushin A. Background subtraction using a convolutional neural network, Proceedings of the 26th International Conference on Computer Graphics and Vision GraphiCon, 2016, pp. 445–447.
17. Lin W., Yang W. Structured deep hashing with convolutional neural networks for fast person reidentification, 2017, Preprint arXiv:1702.04179.
18. Breiman L. Random forests, Mach. Learn., 2001, vol. 45, no. 1, pp. 5–32.
19. Halko N., Martinsson P.G., Tropp J.A. Finding structure with randomness: Probabilistic algorithms for constructing approximate matrix decompositions, SIAM Rev., 2011, vol. 53, no. 2, pp. 217–288.
20. Liu L., Rahimpour A., Taalimi A., et al. End-to-end binary representation learning via direct binary embedding, 2017, Preprint arXiv:1703.04960.
21. Ioffe S., Szegedy C. Batch normalization: Accelerating deep network training by reducing internal covariate shift, Proceedings of the 32nd International Conference on Machine Learning, 2015, pp. 448–456.
22. Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition, 2014, Preprint arXiv:1409.1556.
23. Zheng L., Shen L., Tian L., et al. Scalable person reidentification: A benchmark, in Proceedings of the IEEE International Conference on Computer Vision, 2015, pp. 1116–1124.
24. Dozat T. Incorporating Nesterov momentum into adam, 2016. http://cs229.stanford.edu/proj2015//054_report.pdf. 
25. Hofmann M., Geiger J., Bachmann S., et al. The TUM Gait from Audio, Image and Depth (GAID) database: Multimodal recognition of subjects and traits, J. Visual Commun. Image Representation, 2014, vol. 25, no. 1, pp. 195–206.
26. Andersson V., Ara’ujo R. Person identification using anthropometric and gait data from kinect sensor, in Proceedings of the Twenty-Ninth Association for the Advancement of Artificial Intelligence Conference, AAAI, 2015, pp. 425–431.
27. Li W., Zhao R., Xiao T., et al. Deepreid: Deep filter pairing neural network for person re-identification, in IEEE Proceedings of the International Conference on Computer Vision and Pattern Recognition, Columbus, 2014, pp. 152–159.
28. Wikipedia contributors, Information retrieval — Wikipedia. The Free Encyclopedia, 2017. Accessed January 18, 2018. https://en.wikipedia.org/w//index.php?title=Information_retrievaloldid=815034293.

Система Orphus

Загрузка...
Вверх