Riconoscimento efficiente di più tipi andatura tramite Fast RCNN e rimozione delle ombre: dell'andatura multipla mediante ... ombre classificazione

Questo libro presenta un sistema efficiente di riconoscimento dell'andatura multipla che utilizza la rimozione delle ombre e tecniche di classificazione basate su Fast RCNN. Il riconoscimento dell'andatura identifica gli individui attraverso i modelli di camminata, ma le ombre, i cambiamenti di illuminazione e le variazioni di abbigliamento riducono la precisione. Per superare questi problemi, viene proposto un modello SDR-RAN basato su Deep Learning per il rilevamento delle ombre, la rimozione e l'image inpainting. Il modello utilizza GhostNet, la normalizzazione batch e la ReLU parametrica per un'efficace estrazione delle caratteristiche. CRANN ripristina le regioni d'ombra utilizzando le informazioni di sfondo. Inoltre, viene sviluppato un framework Faster RCNN con RPN e clustering fuzzy K-means per una classificazione accurata dell'andatura. I risultati sperimentali mostrano prestazioni di riconoscimento migliorate per applicazioni di sorveglianza.