BALÁŽIA, Michal a Petr SOJKA. Learning Robust Features for Gait Recognition by Maximum Margin Criterion. In Eduardo Bayro-Corrochano, Gabrielle Sanniti di Baja, Gérard Medioni. Proceedings of the 23rd IEEE/IAPR International Conference on Pattern Recognition (ICPR 2016). USA: IEEE, 2016. s. 901-906, 6 s. ISBN 978-1-5090-4847-2. doi:10.1109/ICPR.2016.7899750.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Learning Robust Features for Gait Recognition by Maximum Margin Criterion
Autoři BALÁŽIA, Michal (703 Slovensko, garant, domácí) a Petr SOJKA (203 Česká republika, domácí).
Vydání USA, Proceedings of the 23rd IEEE/IAPR International Conference on Pattern Recognition (ICPR 2016), od s. 901-906, 6 s. 2016.
Nakladatel IEEE
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor Computer sciences, information science, bioinformatics
Stát vydavatele Spojené státy americké
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW DOI conference web Proceedings
Kód RIV RIV/00216224:14330/16:00090367
Organizační jednotka Fakulta informatiky
ISBN 978-1-5090-4847-2
Doi http://dx.doi.org/10.1109/ICPR.2016.7899750
UT WoS 000406771300153
Klíčová slova česky rozpoznávání podle chůze
Klíčová slova anglicky gait recognition
Štítky best4, firank_A, gait, gait recognition, ICPR
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 4. 4. 2018 17:04.
Anotace
In the field of gait recognition from motion capture data, designing human-interpretable gait features is a common practice of many fellow researchers. To refrain from ad-hoc schemes and to find maximally discriminative features we may need to explore beyond the limits of human interpretability. This paper contributes to the state-of-the-art with a machine learning approach for extracting robust gait features directly from raw joint coordinates. The features are learned by a modification of Linear Discriminant Analysis with Maximum Margin Criterion so that the identities are maximally separated and, in combination with an appropriate classifier, used for gait recognition. Experiments on the CMU MoCap database show that this method outperforms eight other relevant methods in terms of the distribution of biometric templates in respective feature spaces expressed in four class separability coefficients. Additional experiments indicate that this method is a leading concept for rank-based classifier systems.
Návaznosti
MUNI/A/0892/2015, interní kód MUNázev: Výzkum v aplikované informatice na FI MU (Akronym: VAIFIMU)
Investor: Masarykova univerzita, Grantová agentura MU, Kategorie A - Specifický výzkum - Studentské výzkumné projekty
MUNI/A/0935/2015, interní kód MUNázev: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity (Akronym: SKOMU)
Investor: Masarykova univerzita, Grantová agentura MU, Kategorie A - Specifický výzkum - Studentské výzkumné projekty
Typ Název Vložil/a Vloženo Práva
1349591 /1 Balážia, M. 8. 11. 2016

Vlastnosti

Název
1349591
Aplikace
Obnovit.
Adresa v ISu
https://is.muni.cz/auth/repo/1349591/
Adresa ze světa
https://is.muni.cz/repo/1349591/
Adresa do Správce
https://is.muni.cz/auth/repo/1349591/?info
Ze světa do Správce
https://is.muni.cz/repo/1349591/?info
Vloženo
Út 8. 11. 2016 15:40, RNDr. Michal Balážia, Ph.D.

Práva

Právo číst
  • kdokoliv v Internetu
Právo vkládat
 
Právo spravovat
  • osoba RNDr. Pavel Šmerk, Ph.D., učo 3880
Atributy
 
icpr679arxiv.pdf   Verze souboru Balážia, M. 25. 9. 2017

Vlastnosti

Adresa v ISu
https://is.muni.cz/auth/repo/1349591/icpr679arxiv.pdf
Adresa ze světa
https://is.muni.cz/repo/1349591/icpr679arxiv.pdf
Adresa do Správce
https://is.muni.cz/auth/repo/1349591/icpr679arxiv.pdf?info
Ze světa do Správce
https://is.muni.cz/repo/1349591/icpr679arxiv.pdf?info
Vloženo
Po 25. 9. 2017 11:23, RNDr. Michal Balážia, Ph.D.

Práva

Právo číst
  • kdokoliv v Internetu
Právo vkládat
 
Právo spravovat
  • osoba RNDr. Pavel Šmerk, Ph.D., učo 3880
Atributy
 

icpr679arxiv.pdf

Aplikace
Otevřít soubor.
Stáhnout soubor.
Adresa v ISu
https://is.muni.cz/auth/repo/1349591/icpr679arxiv.pdf
Adresa ze světa
http://is.muni.cz/repo/1349591/icpr679arxiv.pdf
Typ souboru
PDF (application/pdf)
Velikost
271,9 KB
Hash md5
245db0e19961298eb4fe80b2880c8671
Vloženo
Po 25. 9. 2017 11:23

icpr679arxiv.txt

Aplikace
Otevřít soubor.
Stáhnout soubor.
Adresa v ISu
https://is.muni.cz/auth/repo/1349591/icpr679arxiv.txt
Adresa ze světa
http://is.muni.cz/repo/1349591/icpr679arxiv.txt
Typ souboru
holý text (text/plain)
Velikost
31,8 KB
Hash md5
a9ccbce5b1b5ff1b0e8aa0560e2a1ca3
Vloženo
Po 25. 9. 2017 11:26
Vytisknout
Nahlásit neoprávněně vložený soubor Zobrazeno: 22. 9. 2019 01:58