
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 | Marana, Aparecido Nilceu | - |
| Autor(es): dc.creator | Caldato, Pedro Luiz Cason | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:50:27Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:50:27Z | - |
| Data de envio: dc.date.issued | 2023-11-26 | - |
| Data de envio: dc.date.issued | 2023-11-26 | - |
| Data de envio: dc.date.issued | 2023-11-13 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/251507 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/251507 | - |
| Descrição: dc.description | O reconhecimento biométrico de indivíduos é um campo de estudo amplamente explorado nos dias atuais, impulsionado pelos avanços recentes na computação e pela necessidade premente de reforçar a segurança em diversas configurações, incluindo vigilância e processos de autenticação em aplicativos como bancos e gerenciamento de documentos. Dentre as diversas abordagens biométricas desenvolvidas, destacam-se o reconhecimento facial, análise de impressões digitais, leitura da íris e reconhecimento de voz. No entanto, esses métodos geralmente exigem interação direta com os indivíduos, equipamentos especializados (no caso do reconhecimento de impressões digitais) ou imagens de alta resolução (no caso do reconhecimento facial ou de íris). Em situações que demandam reconhecimento biométrico indireto, a análise da marcha se mostra valiosa. Essa abordagem envolve a avaliação do padrão de caminhada de um indivíduo, bem como a análise de medidas relacionadas ao comprimento dos membros, como braços e pernas, a fim de identificar a pessoa comparando-a com um banco de dados existente. Este projeto tem como objetivo estabelecer uma abordagem de reconhecimento biométrico com base na marcha, utilizando representações tridimensionais de poses humanas extraídas de múltiplas imagens bidimensionais. Uma das vantagens notáveis dessa abordagem é sua maior resistência a oclusões, juntamente com um aumento na precisão do reconhecimento da marcha, alcançado por meio da incorporação de um conjunto mais abrangente de dados correlacionados provenientes de diferentes fontes de câmeras. O método proposto faz uso de uma Rede Neural Convolucional (CNN) para calcular um vetor descritivo por meio da agregação temporal das poses tridimensionais estimadas a partir de múltiplas imagens bidimensionais. A eficácia desse método foi avaliada usando as bases de dados CASIA GAIT-A e CASIA GAIT-B, resultando em taxas de precisão de 90,00% e 86,10%, respectivamente. | - |
| Descrição: dc.description | Biometric recognition of individuals is a widely explored field in the present day, driven by recent advancements in computing and the urgent need to enhance security in various settings, including surveillance and authentication processes in applications such as banking and document management. Among the various biometric approaches developed, notable ones include facial recognition, fingerprint analysis, iris scanning, and voice recognition. However, these methods typically require direct interaction with individuals, specialized equipment (in the case of fingerprint recognition), or high resolution images (in the case of facial or iris recognition). In situations that require indirect biometric recognition, gait analysis proves valuable. This approach involves evaluating an individual’s walking pattern and analyzing measurements related to limb length, such as arms and legs, in order to identify the person by comparing them to an existing database. This project aims to establish a novel approach to biometric recognition based on gait, using three-dimensional representations of human poses extracted from multiple two-dimensional images. One notable advantage of this approach is its increased resistance to occlusions, along with an improvement in the accuracy of gait recognition achieved by incorporating a more comprehensive set of correlated data from different camera sources. The proposed method utilizes a Convolutional Neural Network (CNN) to calculate a descriptor vector through the temporal aggregation of three-dimensional poses estimated from multiple two-dimensional images. The effectiveness of this method was evaluated using the CASIA GAIT-A and CASIA GAIT-B databases, resulting in accuracy rates of 90.00% and 86.10%, respectively. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
| Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
| Palavras-chave: dc.subject | Redes Neurais | - |
| Palavras-chave: dc.subject | Biometria | - |
| Palavras-chave: dc.subject | Reconhecimento de marcha | - |
| Palavras-chave: dc.subject | Estimação de poses 2D | - |
| Palavras-chave: dc.subject | Estimação de poses 3D | - |
| Palavras-chave: dc.subject | Neural Networks | - |
| Palavras-chave: dc.subject | Biometry | - |
| Palavras-chave: dc.subject | Gait Recognition | - |
| Palavras-chave: dc.subject | 2D poses estimation | - |
| Palavras-chave: dc.subject | 3D poses estimation | - |
| Título: dc.title | Reconhecimento de marcha humana utilizando poses 3D estimadas de múltiplas poses 2D | - |
| Título: dc.title | Human gait recognition using estimated 3D poses from pultiple 2D poses | - |
| Tipo de arquivo: dc.type | livro digital | - |
| 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: