BALÁŽIA, Michal a Petr SOJKA. You Are How You Walk: Uncooperative MoCap Gait Identification for Video Surveillance with Incomplete and Noisy Data. In Proceedings of the 3rd IEEE/IAPR International Joint Conference on Biometrics (IJCB 2017). USA: IEEE. s. 208-215. ISBN 978-1-5386-1124-1. 2017.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název You Are How You Walk: Uncooperative MoCap Gait Identification for Video Surveillance with Incomplete and Noisy Data
Autoři BALÁŽIA, Michal (703 Slovensko, garant, domácí) a Petr SOJKA (203 Česká republika, domácí).
Vydání USA, Proceedings of the 3rd IEEE/IAPR International Joint Conference on Biometrics (IJCB 2017), od s. 208-215, 8 s. 2017.
Nakladatel IEEE
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor Informatika
Stát vydavatele Spojené státy
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW URL URL
Kód RIV RIV/00216224:14330/17:00097675
Organizace Fakulta informatiky – Masarykova univerzita – Repozitář
ISBN 978-1-5386-1124-1
UT WoS 000426973200026
Klíčová slova česky rozpoznávání podle chůze
Klíčová slova anglicky gait recognition
Návaznosti MUNI/A/0992/2016, interní kód Repo. MUNI/A/0997/2016, interní kód Repo.
Změnil Změnil: RNDr. Daniel Jakubík, učo 139797. Změněno: 4. 9. 2020 13:37.
Anotace
This work offers a design of a video surveillance system based on a soft biometric -- gait identification from MoCap data. The main focus is on two substantial issues of the video surveillance scenario: (1) the walkers do not cooperate in providing learning data to establish their identities and (2) the data are often noisy or incomplete. We show that only a few examples of human gait cycles are required to learn a projection of raw MoCap data onto a low-dimensional sub-space where the identities are well separable. Latent features learned by Maximum Margin Criterion (MMC) method discriminate better than any collection of geometric features. The MMC method is also highly robust to noisy data and works properly even with only a fraction of joints tracked. The overall workflow of the design is directly applicable for a day-to-day operation based on the available MoCap technology and algorithms for gait analysis. In the concept we introduce, a walker's identity is represented by a cluster of gait data collected at their incidents within the surveillance system: They are how they walk.
Typ Název Vložil/a Vloženo Práva
ijcb61arxiv.pdf   Verze souboru 26. 9. 2017

Vlastnosti

Název
ijcb61arxiv.pdf
Adresa v ISu
https://repozitar.cz/auth/repo/26468/447323/
Adresa ze světa
https://repozitar.cz/repo/26468/447323/
Adresa do Správce
https://repozitar.cz/auth/repo/26468/447323/?info
Ze světa do Správce
https://repozitar.cz/repo/26468/447323/?info
Vloženo
Út 26. 9. 2017 00:56

Práva

Právo číst
  • kdokoliv v Internetu
Právo vkládat
 
Právo spravovat
  • osoba Mgr. Lucie Vařechová, uco 106253
  • osoba RNDr. Daniel Jakubík, uco 139797
  • osoba Mgr. Jolana Surýnková, uco 220973
Atributy
 
ijcb61arxiv.pdf   Verze souboru 4. 9. 2020

Vlastnosti

Název
ijcb61arxiv.pdf
Adresa v ISu
https://repozitar.cz/auth/repo/26468/903918/
Adresa ze světa
https://repozitar.cz/repo/26468/903918/
Adresa do Správce
https://repozitar.cz/auth/repo/26468/903918/?info
Ze světa do Správce
https://repozitar.cz/repo/26468/903918/?info
Vloženo
Pá 4. 9. 2020 13:37

Práva

Právo číst
  • kdokoliv v Internetu
Právo vkládat
 
Právo spravovat
  • osoba Mgr. Lucie Vařechová, uco 106253
  • osoba RNDr. Daniel Jakubík, uco 139797
  • osoba Mgr. Jolana Surýnková, uco 220973
Atributy
 
Vytisknout
Přidat do schránky Zobrazeno: 28. 3. 2024 18:41