无监督学习步态识别综述

TP391.41; 在光学技术高速发展的现代,步态特征因非接触、非侵入、难伪造、远距离采集等优势受到了学界的广泛关注.目前步态识别算法主要为依赖标签数据的有监督学习方法,庞大的标签标注量在实际应用中面临多重挑战.无监督学习不需要标注就能完成对数据内在特征的自动分析,更贴合实际应用的需求.为了全面认识无监督学习步态识别发展现状及趋势,对领域相关工作进行了梳理.介绍了步态识别常用数据集、通用制作方式以及主流评价指标.从基于GAN的步态识别方法、基于聚类的步态识别方法、基于无监督域适应的步态识别方法和其他方法四个方向详细介绍了目前基于无监督学习的步态识别相关研究思路;选取了CASIA-B、OU-MV...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 8; pp. 2014 - 2033
Main Authors 陈福仕, 沈尧, 周池春, 丁锰, 李居昊, 赵东越, 雷永升, 潘亦伦
Format Journal Article
LanguageChinese
Published 大理大学 云南省教育厅天空地一体化智能与大数据应用工程研究中心,云南 大理 671003%中国人民公安大学 侦查学院,北京 100038 01.08.2024
中国人民公安大学 公共安全行为实验室,北京 100038
中国人民公安大学 侦查学院,北京 100038%大理大学 工程学院,云南 大理 671003
Subjects
生物特征识别
digital image processing
bio-metric identification
gait recognition
无监督学习
机器学习
步态识别
数字图像处理
神经网络
machine learning
neural network
unsupervised learning
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2311049

Cover

More Information
Summary:TP391.41; 在光学技术高速发展的现代,步态特征因非接触、非侵入、难伪造、远距离采集等优势受到了学界的广泛关注.目前步态识别算法主要为依赖标签数据的有监督学习方法,庞大的标签标注量在实际应用中面临多重挑战.无监督学习不需要标注就能完成对数据内在特征的自动分析,更贴合实际应用的需求.为了全面认识无监督学习步态识别发展现状及趋势,对领域相关工作进行了梳理.介绍了步态识别常用数据集、通用制作方式以及主流评价指标.从基于GAN的步态识别方法、基于聚类的步态识别方法、基于无监督域适应的步态识别方法和其他方法四个方向详细介绍了目前基于无监督学习的步态识别相关研究思路;选取了CASIA-B、OU-MVLP和OU-ISIR LP三个典型数据集,对主要无监督算法性能进行综合对比;对各方向研究侧重点进行总结讨论,针对存在的交叉研究情况进行评论综述,为未来研究提供借鉴思路.研究分析了无监督步态识别算法目前面临的挑战,并以此展望步态领域未来的发展方向.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2311049