大阪大学科学与工业研究所的一个研究小组开发了一种步态验证方法,可以通过单个步行图像进行分析。
步态认证是一种基于步行方式的个性(步长、手臂摆动大小、脊柱伸展度等)对个人进行身份验证的技术,与指纹、面部等其他生物识别信息不同,它远离摄像头。作为唯一可以在某个地方使用的生物识别信息,它越来越多地用于使用安全摄像头图像的法医科学。然而,在传统方法中,主要使用一个周期的步行图像(左右1步约2秒),这导致认证之前的时间滞后,并且在拥挤的环境中仅观察了片刻全身图像有一个问题,就是在不做的情况下很难使用。另外,虽然提出了输入任意数量的步行图像的步态认证方法,但是存在1张步行图像时认证精度显着降低的问题。
因此,本组开发了一种深度学习模型,从一张步行图像中估计步行姿势,并在一个周期内恢复步行图像。为了将其与各种常规步态认证方法相结合,通过学习模型参数,结合步态认证的深度学习模型,从一张步行图像中还原一个循环,进行步态认证,开创了一项新技术。
当使用约10,000人的公共步行视频数据库评估该方法的认证准确性时,与传统方法相比,识别错误率约为15/1,注册人数约为5,000时的个人。排名识别率提高了约1倍。
有了这个结果,即使在只能使用一个步行图像或需要实时性能的情况下也可以进行步态验证,并且可以看到来自单个步行快照和全身图像的步态评估。预计应用于只有可见的拥挤环境中的犯罪预防和监控。