A robust identification approach to gait recognition

Transcripción

1 A robust identification approach to gait recognition Autor: Tao Ding Presentación: Carlos García Argos The Pennsylvania State University Presentación para la asignatura Reconocimiento Biométrico en EPS-UAM 9 de diciembre de 2008 Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

2 Índice 1 Introducción 2 Extracción de la información espacio-temporal 3 Identificación robusta de secuencias de forma de caminar 4 Validación/invalidación del modelo 5 Experimentos 6 Conclusiones Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

3 Introducción Reconocimiento de la forma de andar: identificación de personas a mayor distancia que otras biometrías como la cara, el iris o la huella dactilar. Diferentes tipos de aproximaciones al problema: Aprovechar la información contextual. Modelado de la forma de caminar humana problema de clasificación. En cuanto al modelado de la forma de andar: Información de movimiento: emplea momentos de las partes del cuerpo, o cadenas de Markov ocultas, entre otros. Buenos resultados en determinados escenarios. Peores resultados que los modelos de información de contorno. Información de contorno: Malos resultados con grandes variaciones en las formas. Es posible mejorar los resultados de los modelos aplicando de forma conjunta la información del movimiento y de contorno. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

4 Extracción de la información espacio-temporal Existen varias formas de extraer la información espacio-temporal de la forma de caminar a partir de una secuencia de imágenes: Características de la imagen (desplazamiento angular de partes del cuerpo). Información contextual (diferencias entre imágenes). Patrones de variación de contorno. Todas tienen inconvenientes: Frágiles a la apariencia. Información difícil de extraer. Elevada carga computacional. Propuesta: Extracción de la información espacio-temporal basada en reducción de dimensionalidad no lineal (NDR). Aplicar LLE (Locally Linear Embedding) para extraer la información. Construye representación con pocas dimensiones de datos con muchas dimensiones usando una función de coste que permite mantener las propiedades locales de la información. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

5 Extracción de la información espacio-temporal Problema de consistencia del LLE z t: vector resultante de apilar los píxeles del objetivo en la trama t; LLE asocia cada vector z t con un punto y t reducción del número de dimensiones sin perder la estructura local. LLE permite extraer la información de variación de contorno. Secuencia original y secuencia LLE Problema: LLE en diferentes tramos de una secuencia provoca resultados inconsistentes. Solución: al comparar dos secuencias, apilar y aplicar LLE al resultado. Secuencia de siluetas y secuencia LLE resultante Consigue reducir la cantidad de datos y extraer la información necesaria, y asegura la consistencia de las dos secuencias LLE. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

6 Extracción de la información espacio-temporal Robustez ante las variaciones de apariencia En los métodos de reconocimiento de la forma de caminar tradicionales, la tasa de reconocimiento desciende mucho cuando la diferencia entre slow walk y ball walk es significativa en la misma persona. La extracción basada en LLE es robusta ante este tipo de variaciones, al tratar la variación de apariencia como ruido. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

7 Identificación robusta de secuencias de forma de caminar Las secuencias de forma de andar son cuasi periódicas, lo que permite considerarlas como la salida de un sistema FDLSI (Finite-dimensional, Discrete-time Linear Shift Invariant). Existen algoritmos robustos aplicables a sistemas FDLSI. 1 Construir una matriz de Hankel: y 1 y 2... y n Hy n y 2 y 3... y n+1 = y n y n+1... y 2n 1 2 Aplicar descomposición de valores singulares (SVD) para extraer las componentes mayores en las que se cumplan las restricciones de ruido. 3 Usar estas componentes para construir el modelo FDLSI identificado. Dado que la respuesta al impulso es periódica, la matriz de Hankel resultante es circulante y puede aprovecharse esta estructura para obtener realizaciones balanceadas de forma eficiente. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

8 Validación/invalidación del modelo Validación/invalidación de modelo semi-ciega: G(z): modelo nominal u: entrada del modelo q: salida del modelo nominal s: salida experimental z: ruido de la medida : incertidumbre entre q y s Proceso: ( 1 Encontrar, para G(z), una entrada u, u e jω ) = 1 y un operador de incertidumbre de tamaño mínimo γopt 2 Tomar γopt como criterio de clasificación de los objetos donde un γopt pequeño indica gran parecido, y viceversa. Descripción formal del proceso de validación/invalidación, dados: 1 Información a priori: modelo a validar, conjunto de descriptores N (ruido de la medida), (incertidumbre del modelo) y U (entradas del experimento). 2 Datos experimentales: medidas en el dominio de la frecuencia, afectadas por ruido aditivo a una entrada U desconocida. comprobar si los datos a posteriori del experimento son consistentes con la información a priori. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

9 Validación/invalidación del modelo Robustez frente a la localización del ciclo de paseo i γopt (i, b) γopt (i, c) γopt (i, d) γopt (i, e) a 0,043 0,078 0,039 0,094 Los reducidos valores de γopt indican que las secuencias (a)-(e) pertenecen al mismo grupo y demuestran que el método es robusto a la localización del ciclo. En el reconocimiento de la forma de andar, q representa las secuencias de forma de andar del modelo nominal y s representa la secuencia de paseo medida. Con el proceso de validación/invalidación anterior se asegura que el retardo de la secuencia q no afecta al resultado del reconocimiento, lo que implica que no es necesario localizar los ciclos de paseo. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

10 Validación/invalidación del modelo Robustez frente a la escala de tiempo Cuando la velocidad de movimiento cambia, se produce un escalado del tiempo de la secuencia LLE. Con el modelo propuesto, se puede hacer el escalado fácilmente en la secuencia LLE y así tratar las variaciones temporales. Dadas las secuencias LLE q(t) y s(t) de la galería y el conjunto de pruebas, respectivamente, se debe reformular γ opt teniendo en cuenta el factor de escalado temporal: γopt (q, s) = mín γopt (q(t), s(αt)) sujeto a α γopt (i, b) i α = 0,8 α = 0,9 α = 1,0 α = 1,1 α = 1,2 α = 1,3 α = 1,4 a 1,00 0,99 0,97 0,83 0,42 0,70 0,82 Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

11 Validación/invalidación del modelo Reconocimiento de forma de caminar 1 La entrada lp es una secuencia con un número entero de ciclos. 2 Las secuencias se aligeran por el centro de masas. 3 Todas las secuencias están tomadas del mismo lado. Entradas: secuencia de siluetas de la galería: {sg i (t), i = 1,..., n}, secuencia a verificar sp(t), factores de escalado de tiempo {α j, j = 1,..., m} Resultado del reconocimiento i Suposiciones: Algoritmo resultante: 1 Para cada i, aplicar LLE en {sp, sg i } para obtener {lp, lg i } 2 Obtener modelo FDLSI {LP(z), LG i (z)} con el algoritmo robusto sobre {lp, lg i } 3 Para cada j, aplicar factor de escala α j en LP(z) para obtener el modelo LP j (z) 4 Para cada i, j, aplicar validación/invalidación para calcular γ opt (i, j) 5 i = arg mín γ opt (i, j) sujeto a i, j Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

12 Experimentos Base de datos CMU MoBo (Motion Body): 25 sujetos desde 6 ángulos, 4 tipos de forma de caminar (slow walk, fast walk, ball walk, inclined walk). Misma persona con diferente apariencia: generación de secuencias artificiales sobre la base de datos CMU MoBo. En ambos casos el algoritmo propuesto (RIB) mejora los resultados obtenidos con los rivales. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

13 Conclusiones En el artículo se han introducido algoritmos para Mapear secuencias de siluetas a un espacio LLE que permita extraer la información espacio-temporal. Identificar el modelo FDLSI a partir de esa información. Medir la diferencia entre dos modelos escalados en el tiempo empleando la aproximación de validación/invalidación semi-ciega del modelo. Obtener el par que mejor se ajuste de acuerdo al mínimo de γ opt (i, j). Ventajas del método propuesto: Genera un algoritmo no iterativo y computacionalmente atractivo que permite extraer la información espacio-temporal de las siluetas. Aplica un mecanismo de identificación robusta para modelar la información espacio-temporal, que ayuda a tratar con ruidos de diversos tipos. Traslada el problema de reconocimiento a un problema de validación/invalidación de modelo, y proporciona un mecanismo para medir la diferencia entre secuencias de paseo, robusto a cambios de apariencia, localización del ciclo y escalado de tiempo. Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14

14 Muchas gracias por su atención Carlos García Argos (UAM) A robust identification approach to gait recognition 9 de diciembre de / 14