Ўзбекистон республикаси ахборот технологиялари ва коммуникацияларини ривожлантириш вазирлиги муҳаммад ал-хоразмий номидаги

К ВОПРОСУ РАСПОЗНАВАНИЯ ЧЕЛОВЕКА ПО ПОХОДКЕ 
М.Сапаев (доцент, ТУИТ им. Мухаммада ал-Хоразмий) 
К.Х. Иниятова (магистрант, НФ ТУИТ им. Мухаммада ал-Хоразмий) 
В настоящее время проблема идентификации людей на видео по походке 
является актуальным. Согласно биометрическим исследованиям, манера 
ходьбы индивидуальна для каждого человека и ее практически невозможно 
подделать, что делает походку уникальным идентификатором, таким как 

---

195 
отпечатки пальцев или радужная оболочка. Однако, в отличие от этих 
классических признаков, походку можно наблюдать издалека без какого-либо 
прямого контакта с человеком, поэтому именно походка становится наиболее 
применимым показателем для распознавания при разработке системы 
наблюдения высокого качества. 
Основной областью применения распознавания походки является область 
безопасности, где часто необходимо идентифицировать человека, захваченного 
камерой, например, для поимки преступников или контроля доступа в зоны 
ограниченного доступа. Распознавание походки является очень специфической 
проблемой из-за многих факторов, изменяющих походку визуально (наличие 
каблуков или неудобной обуви, переносимых тяжелых предметов, одежды, 
скрывающей части тела) или влияющих на внутреннее представление походки 
в модели (вид, молния, различные настройки камеры). Поэтому, несмотря на 
успехи современных методов компьютерного зрения, проблема идентификации 
по походке до сих пор не решена. 
Существует два основных подхода к получению признаков походки и их 
классификации: ручное построение дескрипторов и их обучение. Первый метод 
является более традиционным и обычно основан на расчете различных свойств 
силуэтных бинарных масок или на изучении положения суставов, их 
относительных расстояний и скоростей и других кинетических параметров. 
Обучение функциям обычно производится искусственными нейронными 
сетями, которые стали очень популярными в последние годы из-за выдающихся 
результатов во многих проблемах компьютерного зрения, таких как 
классификация видео и изображений, сегментация изображений, обнаружение 
объектов, визуальное отслеживание и другие. 
Функции, обучаемые с помощью нейронных сетей, часто имеют более 
высокий уровень абстракции, необходимый для качественного распознавания. 
Кроме того, высокое качество идентификации достигается методами, 
сочетающими 
два 
описанных 
подхода. 
Первоначально 
основные 
характеристики походки вычисляются вручную, а затем они передаются в 
нейронную сеть для извлечения более абстрактных признаков. Несмотря на 
успех глубоких методов, лучшие результаты на некоторых наборах данных по-
прежнему достигаются неглубокими алгоритмами. 
В классической задаче классификации, в которой необходимо определить, 
какой человек из базы данных показан в тестовом видео, задача распознавания 
походки часто формулируется в виде задачи проверки. Для пары 
видеопоследовательностей с движущимся человеком необходимо определить, 
есть ли разные люди или один и тот же человек. Если человек, который не 
включен в базу данных, будет каким-то образом классифицирован по 
идентификатору, и оценка достоверности модели-сложная задача. Одним из 
возможных подходов к решению проблемы является дополнительная проверка 
пары, состоящей из тестового видео и видео с кандидатом в испытуемые. 

---

196 
Несмотря на все множество используемых функций и разнообразие 
предлагаемых моделей и методов обучения, проблема распознавания походки 
до сих пор не теряет актуальности: существующие решения еще не достигли 
идеальной точности идентификации. На представление движения влияет 
большое количество различных условий, и наборы данных, пригодные для этой 
задачи, ограничены по сравнению с другими проблемами компьютерного 
зрения, для которых собираются миллионы изображений лиц или десятки 
тысяч фигур для повторной идентификации. Базы данных, собранные на 
данный момент, пока не в состоянии учитывайте все возможные вариации 
походки, что мешает созданию идеальной модели