由大阪大學科學與工業研究所的 Yasushi Yagi 教授領導的一個研究小組開發了一種使用深度學習的高精度步態認證技術,該技術在 AI(人工智能)技術中引起了特別的關注。
人們走路的方式(步態特徵)不會因他們的衣服和髮型而改變,並且可以從使用安全攝像機等從遠處拍攝的低分辨率圖像中提取。這是個人身份驗證的一個非常實用的功能。但是,如果人的行走方向相對於攝像頭不同,那麼人看到的方式就會有很大的不同,因此很難用傳統技術來驗證步態。因此,比較抽象特徵的差異,如手的揮動方式和腿的寬度是有效的。
這一次,我們提出了一個獨特的深度學習模型,並通過適當地使用這些特徵,我們可以從不同方向的人行走的圖像中執行高精度的步態認證。結果,當步行方向明顯不同時,傳統技術中個人認證的錯誤率約為40%,但隨著技術的發展,已降至4%左右,這是世界上最高精度的。時間。這將大大拓展“未來取證”步態鑑定的應用範圍。
此外,通過適當地改變用於深度學習的評價標準,不僅可以對人進行認證,而且可以從攝像機拍攝的多個人中識別特定人。通過使用這些技術分析同一個人在商店和商業設施中的移動路線,預計將應用於刑事調查以外的各種用途,包括根據客戶提供服務等營銷應用。
在日本,針對恐怖主義和犯罪的安全措施的現代化是 2020 年東京奧運會之前的一個緊迫問題,而通過使用這項技術,可以使用安全攝像頭快速識別和跟踪可疑人員和嫌疑人。