研究论文

使用CNN-BGRU热图像识别智能城市中行人的年龄、性别和流动性

作者:

拉尼巴赫扎,

凯文布查德、和

查尔斯 Gouin-Vallerand公司作者信息和声明

GoodIT’22：2022年ACM信息技术促进社会福利会议记录

2022年9月

页48-54

https://doi.org/10.1145/3524458.3547235

出版:2022年9月7日出版历史

获取访问权限

摘要

为了将环境辅助生活技术从智能家居推广到智能城市，有必要认识到城市中的弱势群体。基于步态的方法已被用于进行软生物特征识别，例如年龄或性别。然而，这些方法大多依赖于使用RGB摄像头，这可能会导致城市中严重的隐私问题。在本文中，我们提出了一种使用热像仪对城市中的行人进行年龄、性别和流动性识别的方法，从而确保了公民的高度隐私。这项工作是对最初基于浅层CNN方法的后续工作。在将此方法扩展到使用CNN-BGRU进行年龄和性别识别的一系列图像之前，对深度更深的CNN进行了优化，并用于对单个图像执行年龄、性别和流动性识别。在讨论城市中使用热像仪的基于步态的实时软生物特征识别系统的社会意义之前，先介绍了使用这些方法获得的结果。该系统使用包含城市中大多数部分行人轮廓的未经处理的160x120热图像，在年龄、性别和流动性识别方面的准确率分别达到77.00%、78.46%和94.77%。

工具书类

[1]

蒂米利欣B。Aderinola、Tee Connie、Thian Song Ong、Wei Chuen Yau和Andrew Beng Jin Teoh。2021.从步态中学习年龄：一项调查。IEEE接入9，7月（2021年），100352–100368。https://doi.org/10.109/ACCESS.2021.3095477

[2]

2019年，Na Rae Baek、Se Woon Cho、Ja Hyung Koo、Noi Quang Truong和Kang Ryoung Park。基于多模态摄像机的性别识别，使用带有两步重建网络的人体图像。IEEE Access 7（2019），104025–104044。https://doi.org/10.109/ACCESS.2019.2932146

[3]

拉尼·巴盖扎、凯文·布沙德、阿卜杜努尔·布佐阿内和查尔斯·古因·瓦利兰。2021.医疗保健无线传感器网络中从离线到实时分布式活动识别：综述。传感器21、8（2021）、1–34。https://doi.org/10.3390/s21082786

[4]

拉尼·巴盖扎、凯文·布沙德、查尔斯·古因·瓦利兰和阿卜杜努尔·布佐安。2021.使用嵌入式系统中的热成像传感器识别智能城市的无障碍性和包容性。IEEE物联网杂志（2021）。https://doi.org/10.109/JIOT.2021.3127137

[5]

David Berthelot、Nicholas Carlini、Ian Goodfellow、Nicolas Papernot、Avital Oliver和Colin A。拉斐尔。2019.Mixmatch：半监督学习的整体方法。神经信息处理系统进展。https://doi.org/10.1007/978-3658-28360-5_7

[6]

Yueng Santiago Delahoz和Miguel Angel Labrador。2014年，使用可穿戴和外部传感器进行坠落检测和坠落预防调查。传感器（瑞士）14，10（2014），19806–19842。https://doi.org/10.3390/s141019806

[7]

托马斯·盖德（Thomas B.Rikke Gade）。莫斯伦德、瑟伦·泽比茨·尼尔森、汉斯·斯科夫·佩特森、汉斯·约根·安徒生、肯特·巴塞尔布杰格、汉斯·索豪格大坝、奥勒·贝特森。詹森、安德斯·约根森、哈里·拉赫曼、坦尼娅·基霍尔姆·奥斯曼·马德森、埃斯本·斯科博·巴拉和博·波维。2016年，智能城市实时应用的热成像系统。《国际计算机应用技术杂志》53，4（2016），291–308。https://doi.org/10.1504/IJCAT.2016.076790

[8]

龚美美和舒一鸣。2020.基于深度学习和视频多尺度特征融合的人类运动物体实时检测和运动识别。IEEE Access 8（2020），25811–25822。https://doi.org/10.109/ACCESS.2020.2971283

[9]

马丁·霍夫曼、杰根·盖革、塞巴斯蒂安·巴赫曼、比约恩·舒勒和格哈德·里格尔。2014年，来自音频、图像和深度的TUM步态（GAID）数据库：主体和特征的多模态识别。《视觉传达与图像表现杂志》25，1（2014），195-206。https://doi.org/10.1016/j.jvcir.2013.02.006

数字图书馆

[10]

Jakir Hossen、Eddie Jacobs和Fahmida K。乔杜里。2014.热红外视频中的人体可疑活动识别。红外传感器、设备和应用IV 9220（2014），92200E。https://doi.org/10.1117/12.2062053

[11]

岩田良久、冈村良久、牧原靖和八木靖国。2012年，OU-ISIR步态数据库包括大量人口数据集和步态识别性能评估。IEEE《信息取证与安全学报》7，5（2012），1511-1521。https://doi.org/10.1109/TIFS.2012.2204253

数字图书馆

[12]

木藤聪、宫崎朋也、田中敏树、清水高雄和佐贺忠美。2009年。使用热成像传感器在卫生间进行坠落检测。2009年IEEE/SICE国际系统集成研讨会：2008年SI国际-第二届系统集成研讨会（2009年），83–88。https://doi.org/10.109/SI.2009.5384550

[13]

格雷戈里·科赫（Gregory Koch）、理查德·泽梅尔（Richard Zemel）和鲁斯兰·萨拉库丁诺夫（Ruslan Salakhutdinov）。2015年，用于单次图像识别的暹罗神经网络。技术报告。https://doi.org/10.1136/bmj.2.5108.1355-c

[14]

Abhiram Kolli、Alireza Fasih、Fadi Al Machot和Kyandoghere Kyamakya。2011年，使用热摄像头进行非侵入性汽车驾驶员情绪识别。在IEEE INDS 11和ISTET 11联合会议记录中。1–5.

[15]

扬·库卡卡、弗拉基米尔·高尔科夫和丹尼尔·克莱默斯。2017年，《深度学习的规范化：分类法》。(2017), 1–23. arxiv:1710.10686号http://arxiv.org/abs/1710.10686

[16]

刘涛成、孙蓓、池明义和曾兴。2018年，使用动态步态能量图像进行性别识别。2017 IEEE第二届信息技术、网络、电子和自动化控制会议记录，ITNEC 2017 2018-Janua（2018），1078-1081。https://doi.org/10.109/ITNEC.2017.8284905

[17]

Dat Tien Nguyen、Ki Wan Kim、Hyung Gil Hong、Ja Hyung-Koo、Min Cheol Kim和Kang Ryoung Park，2017年。基于卷积神经网络的人体图像性别识别，使用可见光和热摄像机视频进行图像特征提取。传感器（瑞士）17，3（2017）。https://doi.org/10.3390/s17030637

[18]

弗朗西斯科·哈维尔·奥尔多涅斯（Francisco Javier Ordóñez）和丹尼尔·罗根（Daniel Roggen）。2016.用于多模式可穿戴活动识别的深度卷积和LSTM递归神经网络。Sensors（瑞士）16，1（2016）。https://doi.org/10.3390/s16010115

[19]

拉西卡S。兰辛和马尼塔·拉吉普特。2015年。基于无线传感器网络的智能养老院。2015年工程领域新兴技术国际会议，ICNTE 2015-会议记录（2015）。https://doi.org/10.109/ICNTE.2015.7029932

[20]

Newlin Shebiah Russel和Arivazhagan Selvaraj。2021.使用并行卷积神经网络融合从步态能量图像中进行性别歧视、年龄组分类和携带物体识别。IET图像处理15，1（2021），239-251。https://doi.org/10.1049/ipr2.12024

[21]

Sara Sabour、Nicholas Frosst和Geoffrey E。辛顿。2017年，胶囊之间的动态路由。神经信息处理系统进展2017 Decem，Nips（2017），3857–3867。arxiv:1710.09829

[22]

Shibani Santurkar、Dimitris Tsipras、Andrew Ilyas和Aleksander Madry。2018.批次规范化如何帮助优化？神经信息处理系统进展，2018年12月，NeurIPS（2018），2483–2493。arxiv版本：1805.11604

[23]

苏迪普·萨卡尔（Sudeep Sarkar）、P.乔纳森·菲利普斯（P.Jonathon Phillips。鲍耶。2005.humanID步态挑战问题：数据集、性能和分析。IEEE模式分析和机器智能汇刊27，2（2005），162-177。https://doi.org/10.109/TPAMI.2005.39

数字图书馆

[24]

Alireza Sepas-Moghaddam和Ali Etemad。2021.深度步态识别：一项调查。(2021), 1–19. arxiv:2102.09546号http://arxiv.org/abs/1202.09546

[25]

尼蒂什·斯利瓦斯塔瓦（Nitish Srivastava）、杰弗里·欣顿（Geoffrey Hinton）、亚历克斯·克利舍夫斯基（Alex Krizhevsky）、伊利亚·萨茨克沃（Ilya Sutskever）和鲁斯兰·萨拉库丁诺夫（Ruslan Salakhutdinov）。2014.辍学：防止神经网络过度拟合的简单方法。机器学习研究杂志15（2014），1929–1958。https://doi.org/10.1016/0370-2693（93）90272-J

数字图书馆

[26]

联合国。2019年。2019年世界人口老龄化。技术报告03。1–64页。https://doi.org/10.5860/choice.40-1307

[27]

阿什什·瓦斯瓦尼（Ashish Vaswani）、诺姆·沙泽尔（Noam Shazeer）、尼基·帕马尔（Niki Parmar）、杰科德·乌斯科雷特（Jacod Uszkoreit）、利昂·琼斯（Llion Jones）、艾丹·N。戈麦斯、卢卡斯·凯泽和伊利亚·波卢什金。2017年。你所需要的就是关注。神经信息处理系统进展，第30卷。https://doi.org/10.109/2943.974352

[28]

金旭、李紫珊、杜伯文、张苗苗和刘静。2020年。Reluplex更实用：Leaky ReLU。会议记录——IEEE计算机与通信研讨会，2020-7月（2020年）。https://doi.org/10.109/ISCC50000.2020.9219587

[29]

俞世奇、陈海峰、王庆、沈林林和黄永珍。2017.仅使用一个统一模型进行步态识别的不变特征提取。神经计算239（2017），81–93。https://doi.org/10.1016/j.neucom.2017.02.006

数字图书馆

[30]

俞世奇、廖日军、安伟志、陈海峰、埃德尔B。加西亚、黄永珍和诺曼·坡。2019.GaitGANv2：使用生成对抗网络提取不变步态特征。模式识别87（2019），179-189。https://doi.org/10.1016/j.patcog.2018.10.019

[31]

余世奇、谭道良、谭铁牛。2006.评估视角、服装和携带条件对步态识别的影响的框架。会议记录-模式识别国际会议4（2006），441-444。https://doi.org/10.109/ICPR.2006.67

数字图书馆

[32]

邹芳玉、李深、杰泽群、张卫忠、刘伟。2019.adam和rmsprop收敛的充分条件。2019-6月1日（2019），11119-11127，IEEE计算机学会计算机视觉和模式识别会议记录。https://doi.org/10.109/CVPR.2019.01138arxiv:1811.09358号

引用人

优素福FEl-Mahdy甲小川T戈马西部(2023)面向深度学习步态识别的热步态数据集2023年国际神经网络联合会议（IJCNN）10.1109/IJCNN54540.2023.10191513(1-8)在线发布日期：2023年6月18日
https://doi.org/10.1109/IJCNN54540.2023.10191513

索引术语

使用CNN-BGRU热图像识别智能城市中行人的年龄、性别和流动性

建议

受试者年龄和性别对人脸识别结果的影响
摘要
如今，越来越多的地方需要认证。人脸识别是一种成熟的身份验证技术。识别准确率是评价认证算法的重要指标。为了。。。
阅读更多信息
年龄、性别和种族人口统计学对自动人脸识别的影响综述

人脸识别算法的性能受外部因素和内部主题特征的影响。识别这些方面并了解它们在性能上的行为，有助于预测算法的性能和。。。
阅读更多信息
儿童对CS职业的兴趣：探索年龄、性别、计算机兴趣、编程经验和刻板印象
ICER’23：2023年ACM国际计算机教育研究会议记录-第1卷

背景和背景。计算机科学领域日益增加的性别多样性有利于经济发展和性别平等。然而，有几个障碍——包括不发达的CS兴趣、缺乏编程经验和不匹配。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

GoodIT’22：2022年ACM信息技术促进社会福利会议记录

2022年9月

436页

十亿英镑：9781450392846

内政部：10.1145/3524458

版权所有©2022 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重作者以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护].

赞助商

SIGCAS:ACM计算机与社会特别兴趣小组

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2022年9月7日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章
研究
推荐有限公司

资金来源

NSERC公司
重组国际

会议

GoodIT 2022年

主办单位：

SIGCAS公司

GoodIT 2022:ACM信息技术促进社会福利国际会议

2022年9月7日至9日

塞浦路斯利马索尔

即将召开的会议

GoodIT’24年

主办单位：
sigca（信号控制）

GoodIT 2024：信息技术促进社会福利国际会议

2024年9月4-6日

不来梅，德国

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

1
引文总数
查看引文
100
总下载次数

下载次数（过去12个月）45
下载次数（最近6周）1

其他指标

查看作者指标

引文

引用人

优素福FEl-Mahdy甲小川T戈马西部(2023)面向深度学习步态识别的热步态数据集2023年国际神经网络联合会议（IJCNN）10.1109/IJCNN54540.2023.10191513(1-8)在线发布日期：2023年6月18日
https://doi.org/10.1109/IJCNN54540.2023.10191513

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件的形式查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

HTML格式格式

在中查看本文HTML格式格式。

媒体

数字

其他

桌子