Resumen

La vigilancia sigue siendo un importante campo de investigación y tiene muchas aplicaciones. La vigilancia inteligente requiere un alto nivel de precisión incluso cuando las personas no cooperan. El reconocimiento de la marcha es el estudio del reconocimiento de las personas por su forma de caminar, incluso cuando no están dispuestas a cooperar. Es otra forma de sistema biométrico de comportamiento en el que se analizan los atributos únicos de la forma de andar de un individuo para determinar su identidad. Por otro lado, una de las grandes limitaciones del sistema de reconocimiento de la marcha son los entornos no cooperativos en los que tanto la galería como los conjuntos de sondas se realizan en condiciones de marcha diferentes y desconocidas. Para hacer frente a este problema, proponemos un método basado en el aprendizaje profundo que se entrena en individuos con la condición de caminar normal, y para hacer frente a un entorno no cooperativo y reconocer al individuo con cualquier condición dinámica de caminar, se utiliza una red generativa adversarial consistente en ciclos. Este método traduce una IGE perturbada por diferentes factores covariantes a una IGE normal. Funciona como un aprendizaje no supervisado, y durante su entrenamiento, una IGE perturbada a partir de diferentes factores covariables de cada individuo y actúa como un dominio fuente mientras que las condiciones normales de caminar de los individuos son nuestro dominio objetivo al que se requiere la traducción. Las GANs consistentes con el ciclo encuentran automáticamente un par de individuos con la ayuda de la función de pérdida de ciclo y generan el IEG requerido, que es probado por el modelo CNN para predecir la identificación de la persona. El sistema propuesto se evalúa sobre un conjunto de datos disponible públicamente denominado CASIA-B, y se obtienen excelentes resultados. Además, este sistema puede implementarse en áreas sensibles, como bancos, salas de seminarios (eventos), aeropuertos, embajadas, centros comerciales, comisarías de policía, áreas militares y otras áreas de servicio público con fines de seguridad.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:condiciones normales de marcha, diferentes factores covariantes, entorno no cooperativo, nivel de precisión, condiciones de marcha desconocidas, sistema biométrico de comportamiento, área de investigación importante, área de servicios públicos, individuo, función de pérdida de ciclo
• Keywords:normal walking conditions, different covariate factors, uncooperative environment, level of accuracy, unknown walking conditions, behavioral biometric system, important research area, public services area, individual, cycle loss function