大阪大學科學與工業研究所的一個研究小組開發了一種步態識別方法,可以分析單個行走圖像。
步態識別是一種根據個人的行走方式(步長、手臂擺動長度、脊柱長度等)對個人進行身份驗證的技術。作為唯一可以在任何地方使用的生物識別信息,它被用於使用安全攝像機鏡頭進行法醫調查。然而,傳統方法主要採用一個週期的行走視頻(左右兩步,約一秒),這導致認證時存在時間滯後,並且在擁擠的環境中只能暫時觀察到全身圖像。是一個在不可能的情況下很難使用的問題。此外,已經提出了使用任意數量的步行圖像作為輸入的步態識別方法,但是存在一個問題,即使用單個步行圖像會大大降低識別精度。
因此,該小組開發了一種深度學習模型,可以從單個步行圖像中估計步行姿勢,並恢復一個週期的步行視頻。為了將其與各種傳統的步態識別方法相結合,通過將其與用於步態識別的深度學習模型相結合併學習模型參數,從一張步行圖像中恢復一個週期並進行步態識別,創造了一種新技術。
當我們使用約10,000人的公共步行視頻數據庫評估該方法的識別準確率時,識別錯誤率約為傳統方法的15/1,身份識別排名第一的識別率提高了約5,000倍。
這一成果即使在只能使用一張步態圖像的情況下或需要實時性能的情況下也能實現步態識別,有望應用於只有一個人能看到的擁擠環境中的犯罪預防和監控。