Gait is a useful biometric feature for person identification in video surveillance applications, since it requires neither constrained condition nor attention of the individuals. Recently, as a result of advances in the Kinect sensor and research on 3D pose estimation, gait recognition methods based on kinematic analysis of human joints have been widely studied. However, these model-based methods have major problems. First, modeling with complex analysis of all gait-poses causes high computational complexity. In addition, since 3D pose estimation errors always exist in gait sequences, discriminative feature vectors are inevitably contaminated by feature vectors including the error in the process of aggregating feature vectors in video units. Thus, these problems greatly reduce both recognition speed and performance in real video surveillance applications. To address these problems, we propose a candidate selection method which chooses representative gait poses through rank-level fusion taking into account the conditions of smoothness and periodicity. Through the selection process, both computational complexity and memory requirement can be reduced. Next, we suggest a Pose-aware Decision Fusion (PDF) method, which merges the recognition scores and results of each gait-pose computed by repetitive global linear matching. The method, which is a new approach of model-based methods, increases the discrimination power and makes it robust to estimation error for each pose, compared with conventional dissimilarity-space classification. To evaluate the proposed method, we basically use the UPCV Gait dataset extracted from the Kinect sensor. In addition, we intentionally add a 3D joint position error from 0% to 4.5% for the existing dataset to evaluate the joint position error robustness of the proposed method in the real world environment. By the experiments, we show that the proposed method achieves the highest performance compared with state-of-the-art model-based gait recognition methods. In addition, the proposed method contributes to the realization of a real-time application system that can verify the identity of an individual as soon as a gait-pose information is received.
인간의 걸음걸이는 특별히 제한적인 조건이나 인식대상의 주의가 필요 없기 때문에, 비디오 감시 분야에서 사람을 판별하는데 유용한 생체 인식방법이다. 최근에 키넥트 센서의 발달과 3D 자세 추정 연구 덕분에, 인간의 관절을 운동학적으로 분석하는 보행인식 방법은 널리 연구되고 있다. 그러나 이런 모델기반 방법들은 치명적인 문제점들을 가지고 있다. 첫 번째로 모든 보행 자세를 복잡하게 분석하기 때문에, 높은 계산 복잡도 문제가 발생한다. 또한 보행과정에서는 항상 3D 자세 추정 오차가 존재하기 때문에, 전체 특징 벡터들을 비디오 단위로 통합하는 과정에서, 차별적인 특징벡터가 오차를 포함하고 있는 특징벡터에 의해 부정적인 영향을 받는다. 그러므로 실제 비디오 감시 상황에서 두 가지 문제들에 의해 인식 속도와 성능이 모두 감소한다. 우리는 두 가지 문제들을 해결하기 위해서, 먼저 후보 선출 방법을 제안한다. 이 방법은 시간적인 연속성과 걸음걸이의 주기성이라는 조건을 고려한 순위기반 융합을 통해, 대표적인 보행 자세들을 선택하는 것이다. 결국, 이 방법을 통해 전체 계산 량과 메모리 요구량이 감소될 수 있다. 다음으로, 우리는 반복적인 선형 매칭 과정을 통해 얻은 보행 자세별 인식 점수들과 인식 결과들을 이용한 자세단위 결정융합 방법을 제안한다. 그 방법은 모델기반 방법들의 새로운 접근 방식으로써, 전통적인 비유사성-공간에서의 분류방법과 비교하여, 각 자세별로 차별성을 증대시키고 추정 오류에 강인하게 만들어 준다. 우리는 제안하는 방법을 평가하기 위해, 기본적으로 키넥트 센서에서 추출한 UPCV 보행 데이터 셋을 이용한다. 이외에도, 제안하는 방법이 실제 환경에서도 잡음에 강인한지 평가하기 위해, 우리는 의도적으로 UPCV 데이터 셋에 0%에서 4.5% 만큼의 3D 관절 위치 오차를 추가한다. 실험 결과를 통해 제안하는 방법이 최신의 모델기반 보행인식 방법과 비교하여 최고의 성능을 달성한다는 것을 증명한다. 또한 제안하는 방법은 보행자세 정보가 프레임 단위로 입력되는 것과 동시에 신원을 확인할 수 있는 실시간 응용 시스템의 구현에 기여한다.
