[논문 리뷰] Human Gait Analysis using Gait Energy Image

Sagor Chandro Bakchy, Md. Rabiul Islam외 2명|arXiv (Cornell University)|2022. 03. 17.

Gait Recognition and Analysis인용 수 6

한 줄 요약

이 논문은 전통적인 템플릿 기반 접근 방식에 비해 효율성과 정확도를 향상시키기 위해 걸음걸이 에너지 이미지(Gait Energy Image, GEI)를 사용하는 걸음걸이 인식 방법을 제안한다. 전체 걸음걸이 주기의 프레임을 하나의 에너지 이미지로 집계함으로써, 계산 부담과 저장 요구량을 줄이고, 보행 속도, 옷차림, 반경 무게 변화와 같은 다양한 조건에서도 강건한 성능을 유지하며, 모든 프레임을 처리하는 방식보다 인식 정확도가 높다.

ABSTRACT

Gait recognition is one of the most recent emerging techniques of human biometric which can be used for security based purposes having unobtrusive learning method. In comparison with other bio-metrics gait analysis has some special security features. Most of the biometric technique uses sequential template based component analysis for recognition. Comparing with those methods, we proposed a developed technique for gait identification using the feature Gait Energy Image (GEI). GEI representation of gait contains all information of each image in one gait cycle and requires less storage and low processing speed. As only one image is enough to store the necessary information in GEI feature recognition process is very easier than any other feature for gait recognition. Gait recognition has some limitations in recognition process like viewing angle variation, walking speed, clothes, carrying load etc. Our proposed method in the paper compares the recognition performance with template based feature extraction which needs to process each frame in the cycle. We use GEI which gives relatively all information about all the frames in the cycle and results in better performance than other feature of gait analysis.

연구 동기 및 목표

• 걸음걸이 주기의 모든 프레임을 처리해야 하는 템플릿 기반 걸음걸이 인식 방법의 한계를 해결하기 위해.
• 단일 대표 이미지로 표현함으로써 걸음걸이 인식 시스템의 계산 및 저장 오버헤드를 줄이기 위해.
• 보는 각도 변화, 보행 속도 변화, 옷차림 변화와 같은 도전적인 조건에서도 인식 정확도를 향상시키기 위해.
• 순차적 프레임 기반 특징 추출 방식과 비교하여 GEI가 통합된 걸음걸이 표현 방식으로서의 효과성을 평가하기 위해.

제안 방법

• 제안된 방법은 전체 걸음걸이 주기에서 얻은 모든 실루엣 프레임의 평균을 통해 걸음걸이 에너지 이미지(Gait Energy Image, GEI)를 생성한다.
• 각 걸음걸이 주기는 실루엣을 추출하기 위해 사전 처리되어, 정렬을 위한 일관된 자세와 크기를 확보한다.
• 모든 정렬된 프레임의 평균 강도를 계산하여 GEI를 구성함으로써, 단일 이미지에 전체 걸음걸이 역학을 유지한다.
• 인식은 유사도 거리 측정법(예: 유클리드 거리 또는 코사인 유사도)을 사용하여 테스트 대상의 GEI를 데이터베이스에 있는 GEI와 비교함으로써 수행된다.
• 이 방법은 모든 프레임을 단계별로 처리하는 것을 피함으로써 처리 시간과 메모리 사용량을 크게 줄인다.
• 배경 제거 및 실루엣 정규화와 같은 사전 처리 단계를 통해 다양한 조건에 대한 강건성이 향상된다.

실험 결과

연구 질문

• RQ1 GEI 기반 걸음걸이 인식은 기존의 템플릿 기반 프레임 단위 특징 추출 방식과 비교해 성능 면에서 어떻게 다른가?
• RQ2 단일 GEI 이미지가 전체 걸음걸이 주기를 효과적으로 표현하면서도 분류에 유용한 특징을 유지할 수 있는가?
• RQ3 보행 속도, 옷차림, 시야 각도 변화와 같은 다양한 조건에서 GEI 방법의 강건성은 어느 정도 유지되는가?
• RQ4 GEI의 사용은 인식 정확도를 희생시키지 않으면서도 계산 비용과 저장 요구량을 줄이는가?

주요 결과

• 동일한 실험 조건에서 GEI 기반 방법이 모든 프레임을 처리하는 기존의 템플릿 기반 접근 방식보다 더 높은 인식 정확도를 달성한다.
• 전체 걸음걸이 주기를 단일 이미지 표현으로 통합함으로써 처리 시간과 저장 요구량을 줄였다.
• GEI의 통합적 표현 덕분에 보행 속도 변화와 옷차림 변화에 대해 더 높은 강건성을 보였다.
• GEI의 사용은 최소한의 계산 오버헤드로 효율적인 실시간 걸음걸이 인식을 가능하게 했다.