
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
| Autor(es): dc.contributor | Eldorado Research Institute | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Petroleo Brasileiro S.A. - Petrobras | - |
| Autor(es): dc.creator | Filipi Gonçalves Dos Santos, Claudio | - |
| Autor(es): dc.creator | Oliveira, Diego De Souza | - |
| Autor(es): dc.creator | Passos, Leandro A. | - |
| Autor(es): dc.creator | Gonçalves Pires, Rafael | - |
| Autor(es): dc.creator | Felipe Silva Santos, Daniel | - |
| Autor(es): dc.creator | Pascotti Valem, Lucas | - |
| Autor(es): dc.creator | Moreira, Thierry P. | - |
| Autor(es): dc.creator | Santana, Marcos Cleison S. | - |
| Autor(es): dc.creator | Roder, Mateus | - |
| Autor(es): dc.creator | Paulo Papa, Jo | - |
| Autor(es): dc.creator | Colombo, Danilo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:35:26Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:35:26Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-03-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1145/3490235 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/245876 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/245876 | - |
| Descrição: dc.description | In general, biometry-based control systems may not rely on individual expected behavior or cooperation to operate appropriately. Instead, such systems should be aware of malicious procedures for unauthorized access attempts. Some works available in the literature suggest addressing the problem through gait recognition approaches. Such methods aim at identifying human beings through intrinsic perceptible features, despite dressed clothes or accessories. Although the issue denotes a relatively long-time challenge, most of the techniques developed to handle the problem present several drawbacks related to feature extraction and low classification rates, among other issues. However, deep learning-based approaches recently emerged as a robust set of tools to deal with virtually any image and computer-vision-related problem, providing paramount results for gait recognition as well. Therefore, this work provides a surveyed compilation of recent works regarding biometric detection through gait recognition with a focus on deep learning approaches, emphasizing their benefits and exposing their weaknesses. Besides, it also presents categorized and characterized descriptions of the datasets, approaches, and architectures employed to tackle associated constraints. | - |
| Descrição: dc.description | Federal Institute of São Carlos - UFSCar Brazil and Eldorado Research Institute, Rod. Washington Luiz, 235, São Carlos | - |
| Descrição: dc.description | Eldorado Research Institute, Av. Alan Turing, 275, Campinas | - |
| Descrição: dc.description | São Paulo State University - UNESP, Av. Eng. Luís Edmundo Carrijo Coube, 14-01, Bauru | - |
| Descrição: dc.description | Cenpes Petroleo Brasileiro S.A. - Petrobras | - |
| Descrição: dc.description | São Paulo State University - UNESP, Av. Eng. Luís Edmundo Carrijo Coube, 14-01, Bauru | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | ACM Computing Surveys | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | biometrics | - |
| Palavras-chave: dc.subject | deep learning | - |
| Palavras-chave: dc.subject | Gait recognition | - |
| Título: dc.title | Gait Recognition Based on Deep Learning: A Survey | - |
| Tipo de arquivo: dc.type | vídeo | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: