[論文レビュー] Trait of Gait: A Survey on Gait Biometrics

Ebenezer R. H. P. Isaac, Susan Elias+2 more|arXiv (Cornell University)|Mar 26, 2019

Gait Recognition and Analysis参考文献 90被引用数 13

ひとこと要約

本サーベイは、モデルベースおよびモデルフリーの認識手法、主要なデータセット、衣装、靴下、怪我、疲労などの妨害要因をカバーする歩行バイオメトリクスの包括的概要を提供する。研究上の重要なギャップを特定し、視点に依存しない認識、バイアスのない性能評価、および歩行特徴における機械学習分類器の比較分析といった今後の方向性を提案する。

ABSTRACT

Gait analysis is the study of the systematic methods that assess and quantify animal locomotion. The research on gait analysis has considerably evolved through time. It was an ancient art, and it still finds its application today in modern science and medicine. This paper describes how one's gait can be used as a biometric. It shall diversely cover salient research done within the field and explain the nuances and advances in each type of gait analysis. The prominent methods of gait recognition from the early era to the state of the art are covered. This survey also reviews the various gait datasets. The overall aim of this study is to provide a concise roadmap for anyone who wishes to do research in the field of gait biometrics.

研究の動機と目的

• 歩行バイオメトリクス分野に新たに参入する研究者向けの構造的で最新のロードマップを提供すること。
• 初期の手法から最先端の手法に至るまで、歩行認識技術の進化を分析・分類すること。
• 衣装、靴下、怪我、疲労などの混在要因が歩行認識性能に与える影響を評価すること。
• 人種的差異や妨害要因の体系的ランク付けといった未だ未解明の研究分野を特定すること。
• 最先端の歩行認識アルゴリズムの複数のデータセットにわたるバイアスのない比較を提唱すること。

提案手法

• テンプレートベースおよび非テンプレートアプローチにさらに分類された、モデルベースおよびモデルフリーの歩行認識に分類すること。
• CASIA-B、OU-ISIR、TUM-GAID、USFを含むベンチマーク歩行データセットの体系的レビューで、その特徴と限界に焦点を当てる。
• 既存の実証的研究の統合を通じて妨害要因の分析を行い、歩行力学的特性および認識精度への影響に注目する。
• 特徴抽出および分類技術の評価、3Dモーショングレップキャプチャ、ポイントライトディスプレイ、SVM、kNN、ANNなどの機械学習モデルの活用を含む。
• 簡素化された歩行認識システムのパイプラインの提案：歩行シーケンス取得 → プリプロセッシング → 特徴抽出 → 同一性閾値またはランク付けによるデータベースマッチング。
• 既存の文献の厳密な評価と歩行バイオメトリクス分野における未解決の課題を通じて、オープンな研究課題の特定。

実験結果

リサーチクエスチョン

• RQ1 衣装のスタイルや姿勢の変化が、最先端の歩行認識アルゴリズムの性能にどのように影響するか？
• RQ2 歩行速度、地面の種別、靴下の有無が、歩行特徴および認識精度にどの程度影響を及ぼすか？
• RQ3 怪我、疲労、筋肉発達などの異なる混在要因が、歩行バイオメトリクス性能に与える相対的影響は何か？
• RQ4 精度、耐障害性、計算効率の観点から、モデルベースとモデルフリーの歩行認識手法はどのように比較できるか？
• RQ5 現代の歩行特徴抽出技術に適用された際、最も効果的な機械学習分類器は何か？

主な発見

• モデルフリーの歩行認識手法は、その単純さと効率性のおかげでより一般的に用いられているが、モデルベースの手法は解釈性に優れている。
• 衣装のスタイルの変化に対して、この問題を軽減する試みがなされているにもかかわらず、歩行認識システムの性能に顕著な低下が生じる。
• 疲労、怪我、不安定な歩行面の状況下では、歩行認識の正確性が低下し、歩幅、歩数、スタンス時間に顕著な変化が観察される。
• CASIA-B や OU-ISIR-B といった既存のベンチマークデータセットは、初期の歩行制御や環境変動の考慮が不十分であるため、真の自然な歩行を捉えていない。
• 複数のデータセットにわたる最先端のアルゴリズムの標準的でバイアスのない比較が不足しており、性能報告に矛盾が生じている。
• 妨害要因の体系的ランク付けがなく、現代の特徴抽出技術と組み合わせた際の、さまざまな機械学習分類器の認識率への影響に関する実証的分析も欠如している。