Походка – практическая черта для основанного на видео наблюдения и судебной экспертизы, потому что это может быть захвачено на расстоянии на видео. На самом деле признание походки уже использовалось в практических случаях в уголовных расследованиях.
Однако признание походки восприимчиво, чтобы внутриподвергнуть изменения, такие как угол представления, одежда, гуляющая скорость, обувь и перенос статуса. Такие факторы препятствия побудили многих исследователей исследовать новые подходы относительно этих изменений.Исследование, использующее возможности глубоких структур изучения улучшить методы признания походки, было приспособлено к структурам сверточной нейронной сети (CNN), которые принимают во внимание компьютерное видение, распознавание образов и биометрию. Сверточный сигнал означает объединять любые два из этих сигналов сформировать одну треть, которая предоставляет больше информации.
Преимущество основанного на CNN подхода состоит в том, что сетевая архитектура может легко быть разработана для лучшей работы, изменив исходные данные, продукцию и функции потерь. Тем не менее, команда сосредоточенных Осакским университетом исследователей заметила, что существующее основанное на CNN признание походки поперечного представления не обращается к двум важным аспектам.«Текущие основанные на CNN подходы пропускают аспекты на проверке против идентификации и компромисс между пространственным смещением, то есть, когда предмет перемещается от одного местоположения до другого», исследование ведет, автор Норико Такемура объясняет.Рассматривая эти два аспекта, исследователи проектировали архитектуру ввода/вывода для основанного на CNN признания походки поперечного представления.
Они использовали сиамскую сеть для проверки, где вход – пара особенностей походки соответствия, и продукция подлинная (те же самые предметы) или самозванец (различные предметы) вероятность.В частности, сиамская сетевая архитектура нечувствительна к пространственному смещению, поскольку различие между соответствующей парой вычислено в последнем слое после прохождения через скручивание и макс. объединения слоев, который уменьшает размерность походки изображения и позволяет, чтобы предположения были сделаны о скрытых особенностях.
У них, как могут поэтому ожидать, будет более высокая работа под значительными различиями в представлении. Исследователи также использовали архитектуру CNN, где различие между соответствующей парой вычислено на входном уровне, чтобы сделать их более чувствительными к пространственному смещению.«Мы провели эксперименты для признания походки поперечного представления и подтвердили, что предложенная архитектура выиграла у современных оценок в соответствии со своими подходящими ситуациями задач проверки/идентификации и различий в представлении», говорит соавтор Ясуши Мэкихара.
Поскольку пространственное смещение вызвано не только различием в представлении, но также и гуляющей разностью оборотов, неся различие в статусе, одев различие и другие факторы, исследователи планируют далее оценить свой предложенный метод для признания походки с пространственным смещением, вызванным другими ковариантами.