文献

J-GLOBAL ID：201702228612498508   整理番号：17A1773576

ロバストな歩容認識のための結合強度と空間計量学習【Powered by NICT】

Joint Intensity and Spatial Metric Learning for Robust Gait Recognition

著者 (5件)： Makihara Yasushi ,  Suzuki Atsuyuki ,  Muramatsu Daigo ,  Li Xiang ,  Yagi Yasushi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 6786-6796  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 歩行エネルギー画像のようなシルエットベース記述子を用いた歩容認識のロバスト性を改善する継手強度計量学習法について述べた。既存の方法は,しばしばマッチング対(例えば,l1ノルムのための歩行エネルギーの絶対差)間の画像強度の差を用いて非類似性を測定するために,共変量条件(例えば,背景に起因する小さい歩行エネルギー対を物体による大きな歩行エネルギー)から誘導された大きな被験者内差は微妙な被験者間差(例えば,運動差から導いた中層歩行エネルギーの差)を洗浄した可能性がある。は,大きな被験者内差を緩和するだけでなく微妙な被験者間差異を活用への接合強度に及ぼす計量を導入した。より詳しくいえば,ここでは,統一的フレームワークの中で関節強度と空間計量学習を定式化し,線形またはランキングサポートベクトルマシンによりそれを最適化交互。野生におけるバッグ,β版を含む保菌状況を最大衣服変動と大規模集団データとOU ISIRトレッドミルデータセットBを用いた実験によって,本手法の有効性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  最適化 ,  *付着強さ ,  *学習 ,  衣服 ,  ノルム ,  *ロバスト性 ,  定式化 ,  歩行 ,  線形性
準シソーラス用語： 被験者 ,  非類似性 ,  継手強度 ,  *歩容認証 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ロバスト ,  歩容認識 ,  結合強度 ,  計量 ,  学習