GaitSet: اعتبار مشية الشخص كمجموعة للتمييز بين المشيات في الزوايا المختلفة

بصفتها خاصية حيوية فريدة يمكن التعرف عليها من مسافة بعيدة، تعتبر الطريقة (الخطو) لها تطبيقات واسعة في مجالات منع الجريمة، التحديد الجنائي والحماية الاجتماعية. لتمثيل الطريقة، تستخدم الأساليب الحالية للتعرف على الطريقة إما قالبًا للخطو، حيث يكون من الصعب الحفاظ على المعلومات الزمنية، أو سلسلةً للخطو، والتي يجب أن تحتفظ بقيود تسلسلية غير ضرورية وبالتالي تخسر مرونة التعرف على الطريقة. في هذا البحث نقدم وجهة نظر جديدة، حيث يتم اعتبار الطريقة مجموعة تتكون من الإطارات المستقلة. نقترح شبكة جديدة باسم GaitSet (مجموعة الخطوات) لتعلم المعلومات الشخصية من المجموعة. بناءً على وجهة النظر هذه للمجموعة، فإن طرقنا مقاومة لتغيير ترتيب الإطارات ويمكنها دمج الإطارات بشكل طبيعي من مقاطع الفيديو المختلفة التي تم تصويرها في سيناريوهات مختلفة مثل زوايا الرؤية المتعددة، ظروف الملابس/حمل الأشياء المختلفة. أظهرت التجارب أن تحت ظروف المشي العادية، يحقق طرقنا ذو النموذج الواحد دقة تصنيف متوسطة بلغت 95.0٪ على مجموعة بيانات خطوات CASIA-B ودقة بلغت 87.1٪ على مجموعة بيانات خطوات OU-MVLP. تمثل هذه النتائج الدقة الجديدة لأحدث الطرق المعترف بها في مجال التعرف على الخطوات. تحت السيناريوهات المعقدة المختلفة، يظهر نموذجنا مستوى كبيرًا من الصلابة. فقد حقق دقتين بلغتا 87.2٪ و70.4٪ على CASIA-B تحت ظروف المشي مع حمل حقيبة والمشي بارتداء معطف، على التوالي. تتفوق هذه النتائج بشكل كبير على أفضل الأساليب الموجودة حاليًا. يمكن أيضًا لطريقة التقديم تحقيق دقة راضية باستخدام عدد قليل جدًا من الإطارات في عينة الاختبار، مثل 82.5٪ على CASIA-B باستخدام فقط 7 إطارات. تم إطلاق الكود المصدر في https://github.com/AbnerHqC/GaitSet.请注意，这里“قالبًا للخطو”和“سلسلةً للخطو”是根据上下文对“gait template”和“gait sequence”的翻译。在阿拉伯语中，这些术语可能有其他的专业表述方式。如果需要更加专业的术语，请告知我具体领域内的标准翻译。