[论文解读] Human Gait Analysis using Gait Energy Image

Sagor Chandro Bakchy, Md. Rabiul Islam+2 more|arXiv (Cornell University)|Mar 17, 2022

Gait Recognition and Analysis被引用 6

一句话总结

本文提出一种基于步态能量图像（GEI）的步态识别方法，相较于传统的基于模板的方法，显著提升了效率与准确性。通过将整个步态周期的所有帧聚合为单一的能量图像，该方法在保持对行走速度、着装和负重变化的鲁棒性的同时，降低了计算负载与存储需求，识别准确率优于逐帧处理方法。

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.

研究动机与目标

• 解决基于模板的步态识别方法需处理步态周期内每一帧所带来的局限性。
• 通过使用单张代表性图像，降低步态识别系统中的计算与存储开销。
• 在视角变化、行走速度改变及着装差异等挑战性条件下，提升识别准确率。
• 评估GEI作为整体步态表征方式，相较于逐帧特征提取方法的有效性。

提出的方法

• 所提出的方法通过平均完整步态周期内所有轮廓帧，生成步态能量图像（GEI）。
• 每个步态周期均经过预处理以提取轮廓，确保姿态与尺度一致，便于对齐。
• 通过计算所有对齐帧的平均强度构建GEI，从而在单张图像中保留整体步态动态特征。
• 通过使用欧氏距离或余弦相似度等距离度量，将测试对象的GEI与数据库中的GEI进行比对以完成识别。
• 该方法避免逐帧处理，显著减少了处理时间与内存占用。
• 通过背景减除与轮廓归一化等预处理步骤，进一步增强了对变化的鲁棒性。

实验结果

研究问题

• RQ1 基于GEI的步态识别在性能上与传统的基于模板的逐帧特征提取方法相比如何？
• RQ2 单张GEI图像是否能有效表征整个步态周期，同时保留判别性特征？
• RQ3 GEI方法在行走速度、着装及视角变化下，其鲁棒性达到何种程度？
• RQ4 使用GEI是否在不牺牲识别准确率的前提下，降低了计算成本与存储需求？

主要发现

• 在相同实验条件下，基于GEI的方法相比逐帧处理的基于模板方法实现了更高的识别准确率。
• 该方法通过将完整步态周期整合为单张图像表示，显著降低了处理时间与存储需求。
• 由于其对步态动态的整体表征，GEI在行走速度变化与着装改变下表现出更强的鲁棒性。
• GEI的使用使得高效实时步态识别成为可能，且计算开销极低。