MétaCan
Menu
Retour à la cohorte
Enregistrement W2565358798 · doi:10.1109/ikt.2016.7777786

Human recognition through walking styles by multiwavelet transform

2016· article· en· W2565358798 sur OpenAlexaff
Farhad Mohammad Kazemi, Wolfgang Banzhaf, Minglun Gong

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGait Recognition and Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésBiometricsArtificial intelligenceComputer scienceWavelet transformWaveletPattern recognition (psychology)Computer visionSet (abstract data type)Fourier transformSupport vector machineWavelet packet decompositionVisibilityFeature extractionSpeech recognitionMathematics

Résumé

récupéré en direct d'OpenAlex

Human recognition through walking styles is among the newest of biometric methods. By using this biometric, individuals can be identified, distantly, even at low visibility. Our aim is to provide such ability for a computer system. In other words, we intend to extract appropriate features through processing video images that can reflect individuals' identity. In order to set up such a system, we have used Fourier, Wavelet, and Multi-wavelet transforms. Using images from the USF dataset version 1.7, the results obtained indicate that SA4 Multi-wavelet transforms prove more efficient in extracting suitable features than Fourier and wavelet transforms, and combined with one-versus-one Support Vector Machine, they can provide a 85.7 % recognition accuracy rate. Our proposed method shows higher accuracy and precision compared to other frequency based methods.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,751
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,226
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGait Recognition and AnalysisTravaux en français237 207