Automatic Detection of Diabetes Retinopathy based on Digital Retinal Images
August 20, 2019
Classification of Thai Rice – Grain Images using Mask R – CNN and Transfer Learning
August 20, 2019

Human Gait as a Biometric for Human Re – Identification under Unconstrained Walking Conditions and Environments

Human Gait as a Biometric for Human Re – Identification under Unconstrained Walking Conditions and Environments

Faculty of Information and Communication Technology, Mahidol University

Project Title:

Gait Recognition as Human Biometric

Research Title:

Human Gait as a Biometric for Human Re-Identification under Unconstrained Walking Conditions and Environments

Researcher (s):

Asst.Prof. Dr.Worapan Kusakunniran
Mr.Lingxiang Yao
Assoc.Prof. Dr.Qiang Wu
Assoc.Prof. Dr.Jian Zhang
Prof. Dr.Zhenmin Tang
Assoc.Prof. Dr.Wankou Yang

Biometrics have been used for human verification and identification for decades. Popular human biometrics are face, fingerprint, and iris. They are effectively used in real applications under a controlled environment. Many external factors are controlled, such as lighting condition, distance to a camera, not wearing hat and sunglasses, viewing angles, and requesting physical contact. However, with these constraints, existing approaches could not be used for a purpose of automatic surveillance monitoring, where human are captured through a surveillance camera from a far distance, under any seen angles, and without any physical contact. This becomes main challenges of this research project. Thus, this project develops a new system using an alternative biometric solution using human gait.

Currently, it could achieve a perfect accuracy of 100%, but under a controlled environment and a fixed walking condition. This is not feasible to be used in a real-world scenario. This project, therefore, focuses on solving challenges of gait recognition under changes of internal and external factors such as camera viewing angles, walking directions, and walking speeds. This will make the gait-based human identification more practical to be used in real-world scenarios.

• L. Yao, W. Kusakunniran, Q. Wu, J. Zhang, Z. Tang, W. Yang, Robust Gait Recognition using Hybrid Descriptors based on Skeleton Gait Energy Image, Pattern Recognition Letters (PRL): Special Issue on Learning Compact Representations for Scalable Visual Recognition and Retrieval, DOI: 10.1016/j.patrec.2019.05.012
• W. Kusakunniran, Recognizing gaits on spatio-temporal feature domain, IEEE Transactions on Information Forensics and Security (TIFS), 9(9): 1416-1423, September 2014, DOI: 10.1109/TIFS.2014.2336379
• W. Kusakunniran, Attribute-based learning for gait recognition using spatio-temporal interest points, Image and Vision Computing (IVC), 32(12), 1117-1126, December 2014, DOI: 10.1016/j.imavis.2014.10.004

Award Grant related to the Project:
• Outstanding Research Award 2019, by National Research Council of Thailand (NRCT)

Key Contact Person:
Asst.Prof. Dr.Worapan Kusakunniran
Faculty of Information and Communication Technology, Mahidol University

เว็บไซต์นี้ใช้คุกกี้เพื่อทำให้คุณมีประสบการณ์ที่ดีในการใช้งานเว็บไซต์ โปรดคลิก "ยอมรับ" หรือสามารถจัดการความเป็นส่วนตัวเองได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

นโยบายความเป็นส่วนตัว เว็บไซต์ของมหาวิทยาลัยมหิดลใช้คุกกี้เพื่อจำแนกผู้ใช้งานแต่ละคน โดยทำหน้าที่หลักคือประมวลทางสถิติ ตลอดจนลักษณะเฉพาะของกลุ่มผู้ใช้บริการนั้นๆ ซึ่งข้อมูลดังกล่าวจะนำมาใช้ในการวิเคราะห์รูปแบบพฤติกรรมของผู้ใช้บริการ และมหาวิทยาลัยจะนำผลลัพธ์ดังกล่าวไปใช้ในการปรับปรุงเว็บไซต์ให้ตอบสนองความต้องการ และการใช้งานของผู้ใช้บริการให้ดียิ่งขึ้น อย่างไรก็ตามข้อมูลที่ได้และใช้ประมวลผลนั้นจะไม่มีการระบุชื่อ หรือบ่งบอกความเป็นตัวตนของผู้ใช้บริการแต่อย่างใด อีกทั้งไม่มีการเก็บข้อมูลส่วนบุคคล เช่น ชื่อ, นามสกุล, อีเมล เป็นต้น และใช้เป็นเพียงข้อมูลทางสถิติเท่านั้น ซึ่งจะช่วยให้มหาวิทยาลัยสามารถมอบประสบการณ์ที่ดีในการใช้งานเว็บไซต์สำหรับคุณ และช่วยให้สามารถปรับปรุงเว็บไซต์ให้มีประสิทธิภาพยิ่งขึ้นได้ในเวลาเดียวกัน ทั้งนี้คุณสามารถเลือกตัวเลือกในการใช้งานคุกกี้ได้

Allow All
Manage Consent Preferences
  • Always Active