Resumen

AGUIRRE CARRAZANA, Guillermo; LAMAR-LEON, Javier  y  PLASENCIA CALANA, Yenisel. Aprendizaje de métrica para mejorar el reconocimiento del andar basado en la homología persistente. Rev cuba cienc informat [online]. 2018, vol.12, n.3, pp.17-31. ISSN 2227-1899.

El reconocimiento del andar es una técnica biométrica importante para las tareas de videovigilancia, debido a la ventaja de su uso a grandes distancias. En este artículo, presentamos un método basado en la homología persistente para extraer características topológicas de las siluetas de una secuencia del andar. Esta metodología ha sido utilizada anteriormente en varios artículos por el segundo autor para la identificación de personas por la forma de caminar, clasificación de género, detección de objetos que transporta la persona y el monitoreo de actividades humanas a una distancia determinada. Como en los trabajos anteriores, aplicamos la homología persistente para extraer las características topológicas de la cuarta parte inferior de la silueta del cuerpo humano con el objetivo de disminuir los efectos negativos de las variaciones no relacionadas con el andar en la parte superior del cuerpo. La novedad de este trabajo es la introducción del uso de un aprendizaje de métrica para el reconocimiento robusto del andar, donde se utiliza la técnica Análisis Discriminante lineal(LDA). Esta métrica aprendida obliga a que los objetos de la misma clase estén más cerca, mientras que los objetos de diferentes clases se separan. Evaluamos nuestro enfoque utilizando la base de datos CASIA-B y mostramos la efectividad de los métodos propuestos en comparación con el estado del arte.

Palabras clave : TDA; reconocimiento de la marcha; homología persistente; análisis de discriminante lineal; aprendizaje de métrica.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )