Reconhecimento de marcha humana utilizando poses 3D estimadas de múltiplas poses 2D
Carregando...
Data
Autores
Orientador
Marana, Aparecido Nilceu 
Coorientador
Pós-graduação
Curso de graduação
Bauru - FC - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O reconhecimento biométrico de indivíduos é um campo de estudo amplamente explorado nos dias atuais, impulsionado pelos avanços recentes na computação e pela necessidade premente de reforçar a segurança em diversas configurações, incluindo vigilância e processos de autenticação em aplicativos como bancos e gerenciamento de documentos. Dentre as diversas abordagens biométricas desenvolvidas, destacam-se o reconhecimento facial, análise de impressões digitais, leitura da íris e reconhecimento de voz. No entanto, esses métodos geralmente exigem interação direta com os indivíduos, equipamentos especializados (no caso do reconhecimento de impressões digitais) ou imagens de alta resolução (no caso do reconhecimento facial ou de íris). Em situações que demandam reconhecimento biométrico indireto, a análise da marcha se mostra valiosa. Essa abordagem envolve a avaliação do padrão de caminhada de um indivíduo, bem como a análise de medidas relacionadas ao comprimento dos membros, como braços e pernas, a fim de identificar a pessoa comparando-a com um banco de dados existente. Este projeto tem como objetivo estabelecer uma abordagem de reconhecimento biométrico com base na marcha, utilizando representações tridimensionais de poses humanas extraídas de
múltiplas imagens bidimensionais. Uma das vantagens notáveis dessa abordagem é sua maior resistência a oclusões, juntamente com um aumento na precisão do reconhecimento da marcha, alcançado por meio da incorporação de um conjunto mais abrangente de dados correlacionados
provenientes de diferentes fontes de câmeras. O método proposto faz uso de uma Rede Neural Convolucional (CNN) para calcular um vetor descritivo por meio da agregação temporal das poses tridimensionais estimadas a partir de múltiplas imagens bidimensionais. A eficácia desse método foi avaliada usando as bases de dados CASIA GAIT-A e CASIA GAIT-B, resultando
em taxas de precisão de 90,00% e 86,10%, respectivamente.
Resumo (inglês)
Biometric recognition of individuals is a widely explored field in the present day, driven by recent advancements in computing and the urgent need to enhance security in various settings, including surveillance and authentication processes in applications such as banking and document management. Among the various biometric approaches developed, notable ones include facial recognition, fingerprint analysis, iris scanning, and voice recognition. However, these methods typically require direct interaction with individuals, specialized equipment (in the case of fingerprint recognition), or high resolution images (in the case of facial or iris recognition). In situations that require indirect biometric recognition, gait analysis proves valuable. This approach involves evaluating an individual’s walking pattern and analyzing measurements related to limb length, such as arms and legs, in order to identify the person by comparing them to an existing database. This project aims to establish a novel approach to biometric recognition based on gait, using three-dimensional representations of human poses extracted from multiple two-dimensional images. One notable advantage of this approach is its increased resistance to occlusions, along with an improvement in the accuracy of gait recognition achieved by incorporating a more comprehensive set of correlated data from different camera sources. The proposed method utilizes a Convolutional Neural Network (CNN) to calculate a descriptor vector through the temporal aggregation of three-dimensional poses estimated from multiple two-dimensional images. The effectiveness of this method was evaluated using the CASIA GAIT-A and CASIA GAIT-B databases, resulting in accuracy rates of 90.00% and 86.10%, respectively.
Descrição
Palavras-chave
Redes Neurais, Biometria, Reconhecimento de marcha, Estimação de poses 2D, Estimação de poses 3D, Neural Networks, Biometry, Gait Recognition, 2D poses estimation, 3D poses estimation
Idioma
Português
Citação
CALDATO, Pedro Luiz Cason. Reconhecimento de marcha humana utilizando poses 3D estimadas de múltiplas poses 2D. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Estadual Paulista, Unesp, Bauru, 2023.
