Biometria chodu z wykorzystaniem sensora Microsoft Kinect

• Autorzy: Putz-Leszczynska J. , Granacki M.

Warianty tytułu

EN

Gait biometrics with a Microsoft Kinect sensor

• Języki publikacji: PL

Abstrakty

PL

Praca dotyczy nowego podejścia wykorzystania analizy chodu do automatycznej weryfikacji tożsamości. W zaproponowanym algorytmie do weryfikacji tożsamości wykorzystywane są dane z modułu Skeletal Tracking obsługującego urządzenie Microsoft Kinect. Praca prezentuje metodę wstępnego przetwarzania sygnału pobranego z Kinecta, umożliwiającą późniejszą segmentację i wykorzystanie danych w procesie weryfikacji. W artykule zaproponowano następujący dwufazowy algorytm weryfikacji: w pierwszym etapie odrzuca on osoby na podstawie geometrii ciała, a w drugim na podstawie dynamiki chodu. Otrzymane za pomocą tej metody wyniki są porównywalne z tymi prezentowanymi w literaturze, ale w przeciwieństwie do nich w prezentowanym podejściu wykorzystuje się jeden sensor.

EN

The article presents an analysis of gait data for the purpose of automatic human identification. The data used for the analysis was captured with a Microsoft Kinect sensor and transformed by the Skeletal Tracking SDK. A gait recognition system based on the body geometry and analysis of signal describing movements of individual body parts was developed. Experiments were counducted to compare performance of several machine learning algorithms used for verification.

Słowa kluczowe

PL

percepcja obrazu; obraz RGB-D; Microsoft Kinect; sensor; biometria chodu; robotyka

EN

image perception; RGB-D; Microsoft Kinect sensor; gait biometrics; robotics

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2014
• Tom: z. 194, t. 1
• Strony: 347--356
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., wykr.

Twórcy

autor

Putz-Leszczynska J.

• Politechnika Warszawska, Instytut Automatyki i Informatyki Stosowanej, ul. Nowowiejska 15/19, 00-665 Warszawa

autor

Granacki M.

• Politechnika Warszawska, Instytut Automatyki i Informatyki Stosowanej, ul. Nowowiejska 15/19, 00-665 Warszawa

Bibliografia

• [1] R. M. Araujo, G. Grana, V. Andersson. Towards skeleton biometric identification using the microsoft kinect sensor. In: the 28th Annual ACM Symposium on Applied Computing, 2013, Proceedings, s. 21-26.
• [2] G. Ariyanto, M. S. Nixon. Model-Based 3D Gait Biometrics. In: 11-13 Oct. 2011 Int. Joint Conference on Biometrics (IJCB), Proceedings, s. 1-7.
• [3] R. Bellman and R. Kalaba. On adaptive control processes. Automatic Control, IRE, Transactions on, 1959, 4(2):1-9.
• [4] J. van Doornik and T. Sinkjaer. Robotic platform for human gait analysis. IEEE Trans. Biomed. Eng., vol. 54, no. 9, Oct. 2007, s. 1696-1702.
• [5] S. W. Lee, K. Mase and K. Kogure. Detection of spatio-temporal gait parameters by using wearable motion sensors. In: IEEE Conf. Eng. Med. Biol. Soc., 2005, Proceedings, s. 6836-6839.
• [6] Z. Liu and S. Sarkar. Improved Gait Recognition by Gait Dynamics Normalization. IEEE Trans. on PAMI, vol. 28, no. 6, June 2006, s. 863-876.
• [7] P.C. Mahalanobis. On the generalised distance in statistics, Proceedings of the National Institute of Sciences of India, 1936,2 (1), s. 49-55.
• [8] Hanchuan Peng, Fuhui Long, and Chris Ding. Feature selection based on mutual information: criteria of max-dependency, max-relevance, and min-redundancy, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, Vol. 27, No.8, pp. 1226-1238.
• [9] J. Putz-Leszczynska, A. Pacut. Universal forgery features idea: a solution for user-adjusted threshold in signature verification. In: Trans. On Computational Collective Intelligence, Springer LNCS, Issue 9, 2013, s. 152-172.
• [10] J. Wang et. al. A Review of Vision-Based Gait Recognition Methods for Human Identification, DICTA 2010, s. 320-327.
• [11] Z. Zhang, M. Hu, Y. Wang. A Survey of Advances in Biometric Gait Recognition. In: Biometric Recognition, LNCS vol. 7098, 2011, s. 150-158.
• [12] Kinect, http://en.wikipedia.org/wiki/Kinect.
• [13] Tracking Users with Kinect Skeletal Tracking, http://msdn.microsoft.com/enus/library/jj131025 .aspx.