Biometric identification through human gait: approaches and developments

Authors

DOI:

https://doi.org/10.22201/cuaieed.16076079e.2024.25.2.9

Keywords:

Human Gait Recognition (HGR), biometric characteristics, Recognition of people, model-based approach, appearance-based approach

Abstract

In a context where the recognition of people takes center stage, particularly in the field of security, Human Gait Recognition (hgr) emerges as a key biometric technique. Focused on the way individuals walk, this approach has experienced a noteworthy surge in recent research due to its intrinsic advantages. The capability to perform recognition remotely, even without explicit consent, positions hgr as a cutting-edge tool. Two computational approaches stand out: model-based, that explores human body movement, and appearance-based, that extracts the essence of walking from silhouettes. hgr ‘s versatility lies in its independence from the type of camera used, providing detailed information on walking angles, stride frequency, and body part length. This work offers an evolutionary analysis of hgr over time, highlighting significant contributions that have set the course for research in the field.

Author Biographies

José Misael Burruel Zazueta, Tecnológico Nacional de México y Universidad Politécnica de Cataluña

Completó su Licenciatura en Ingeniería Mecatrónica en 2018 en el Tecnológico Nacional de México, campus Culiacán. Posteriormente, obtuvo su Maestría en Ciencias de la Computación en 2021, en la misma institución. En la actualidad, se encuentra en el proceso de culminación de dos programas doctorales mediante un acuerdo de titulación doble. En este sentido, está cursando el quinto semestre en el Tecnológico Nacional de México y su segundo año en la Universidad Politécnica de Cataluña. Sus áreas de investigación se centran en el análisis biométrico utilizando técnicas de inteligencia artificial, con un enfoque específico en el aprendizaje profundo.

Héctor Rodrigrez Rangel, Tecnológico Nacional de México, campus Culiacán

Egresado del Tecnológico de Morelia en la carrera de Sistemas Computacionales (2009). La maestría y el doctorado los realizó en el departamento de Posgrado de la Facultad de Ingeniería Eléctrica en la Universidad Michoacana (2009, 2014). Realizó un posdoctorado en la Universidad Politécnica de Cataluña (2015). Actualmente es Profesor Titular C del Tecnológico Nacional de México, campus Culiacán. Es miembro del Sistema Nacional de Investigadores (sni) nivel i. Durante su etapa doctoral, realizó una estancia en la Universidad de Oregón. Sus líneas de investigación se centran en optimización, computo inteligente y reconocimiento de patrones.

Luis Alberto Morales Rosales, Universidad Michoacán de San Nicolás de Hidalgo

Obtuvo, en 2009, el grado de doctor en Ciencias de la Computacionales por parte del Instituto Nacional de Astrofísica Óptica y Electrónica. Forma parte del Sistema Nacional de Investigadoras e Investigadores de México, distinguiéndolo con el Nivel 1. Actualmente, es Investigador por México, adscrito a la Universidad Michoacán de San Nicolás de Hidalgo (umsnh). Su investigación se enfoca en el desarrollo de modelos computacionales para ingeniería de transporte, computación inteligente, ciberseguridad y sistemas distribuidos.

Vicenç Puig Cayuela, Technical University of Catalonia, Institut de Rob`otica i Inform`atica Industrial

Obtuvo el grado de Doctor en Control Automático en 1999 por parte de la Universidad Politécnica de Cataluña (upc), a la cual está actualmente adscrito. Ha desarrollado importantes contribuciones científicas en las áreas de diagnóstico y control tolerante a fallos mediante modelos de intervalo y de parámetros lineales variables, utilizando enfoques basados en conjuntos. Ha participado en más de 30 proyectos de investigación europeos y nacionales en la última década. También ha sido muy activo en la investigación aplicada y la transferencia de tecnología con la industria en las aplicaciones de agua, turbinas eólicas y vehículos autónomos, lo que ha dado lugar a numerosos contratos privados. Ha publicado más de 200 artículos en revistas y más de 500 en actas de conferencias y talleres internacionales.

Gloria Ekaterine Peralta Peñuñuri, División de Estudios de Posgrado e Investigación, Instituto Tecnológico de Culiacán

Maestra de Tiempo Completo dentro del Tecnológico Nacional de México, campus Culiacán, en donde labora desde hace 16 años. Ha dirigido tesis tanto de licenciatura como de maestría. En los últimos años ha participado en proyectos de investigación con investigadores del Tecnológico en Culiacán, teniendo el rol de responsable en dos proyectos. Es coordinadora de la Maestría en Ciencias de la Computación desde el año 2016 y anteriormente tuvo a su cargo la Jefatura de Recursos Humanos del Tecnológico por casi 6 años. Le gusta mucho la actividad docente. Sigue estudiando para mantener actualizados sus conocimientos, con el objetivo de que se vean reflejados en su actividad académica. Antes de ser docente se desempeñó por más de 7 años en empresas en el área de programación.

References

Ariyanto, G., y Nixon, M. S. (2012, marzo). Marionette mass-spring model for 3D gait biometrics [Conferencia]. 2012 5th iapr International Conference on Biometrics (icb), New Delhi, India. https://doi.org/10.1109/ICB.2012.6199832.

BenAbdelkader, C, Cutler, R., y Davis, L. (2022). Stride and cadence as a biometric in automatic person identification and verification (pp. 372-377). Proceedings of Fifth ieee International Conference on Automatic Face Gesture Recognition, Washington, dc, usa. ieee. https://doi.org/10.1109/AFGR.2002.1004182.

Bouchrika, I. (2018). A Survey of Using Biometrics for Smart Visual Surveillance: Gait Recognition. En P. Karampelas y T. Bourlai (Eds.), Surveillance in Action. Advanced Sciences and Technologies for Security Applications (pp. 3-23). Springer, Cham. https://doi.org/10.1007/978-3-319-68533-5_1.

Cinemart. (2023, 17 de julio). MISSION: IMPOSSIBLE – ROGUE NATION (2015) | Underground Water Full Scene | Underwater Scene 4K uhd [Video]. YouTube. https://youtu.be/88gJeeydT4E?si=7Ca2R9sCBcYACyS3.

Cunado, D., Nixon, M.S., y Carter, J.N. (1997). Using gait as a biometric, via phase-weighted magnitude spectra. En J. Bigün, G. Chollet, y G. Borgefors, G. (Eds.), Audio- and Video-based Biometric Person Authentication. AVBPA 1997. Lecture Notes in Computer Science, 1206. Springer. https://doi.org/10.1007/BFb0015984.

Han, J. y Bhanu, B. (2006, febrero). Individual recognition using gait energy image. ieee Transactions on Pattern Analysis and Machine Intelligence, 28(2), 316-322. https://doi.org/10.1109/TPAMI.2006.38.

Lin, B., Zhang, S., y Bao, F. (2020). Gait Recognition with Multiple-Temporal-Scale 3D Convolutional Neural Network. En Proceedings of the 28th acm International Conference on Multimedia (3054-3062). Association for Computing Machinery. https://doi.org/10.1145/3394171.3413861.

Niyogi, S. A., y Adelson, E. H. (1994). Analyzing and recognizing walking figures in XYT. En 1994 Proceedings of ieee Conference on Computer Vision and Pattern Recognition (pp. 469-474). ieee Transactions on Pattern Analysis and Machine Intelligence, 27(2), 162-177. https://doi.org/10.1109/TPAMI.2005.39.

Shutler, J. D., Grant, M. G., Nixon, M. S., y Carter, J. N. (2004). On a large sequence-based human gait database. En A. Lotfi, y J. M. Garibaldi (Eds.), Applications and Science in Soft Computing. Advances in Soft Computing (pp. 339-346). Springer. https://doi.org/10.1007/978-3-540-45240-9_46.

Song, C., Huang, Y., Huang, Y., Jia, N., y Wang, L. (2019, diciembre). Gaitnet: An end-to-end network for gait based human identification. Pattern recognition, 96. https://doi.org/10.1016/j.patcog.2019.106988.

Thavalengal, S., Andorko, I., Drimbarean, A., Bigioi, P., y Corcoran, P. (2015, mayo). Proof-of-concept and evaluation of a dual function visible/nir camera for iris authentication in smartphones. ieee Transactions on Consumer Electronics, 61(2), 137-143). https://doi.org/10.1109/TCE.2015.7150566.

Yang, W., Hu, J., y Wang, S. (2014). A Delaunay quadrangle-based fingerprint authentication system with template protection using topology code for local registration and security enhancement. ieee transactions on Information Forensics and Security, 9(7), 1179-1192. http://dx.doi.org/10.1109/TIFS.2014.2328095.

Yoo, J.-H., Hwang, D., Moon, K.-Y., y Nixon, M. S. (2008). Automated human recognition by gait using neural network. En 2008 First Workshops on Image Processing Theory, Tools and Applications, Sousse, Tunisia (pp. 1-6). ieee. https://doi.org/10.1109/IPTA.2008.4743792.

Published

2024-03-06

Issue

Vol. 25 No. 2 (2024): Puntos de inflexión: decisiones y acciones por tomar

Section

Varietas

License

Copyright (c) 2024 Revista Digital Universitaria

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Licencia Creative Commons
Revista Digital Universitaria es editada por la Universidad Nacional Autónoma de México se distribuye bajo una Licencia Creative Commons Atribución-NoComercial 4.0 Internacional. Basada en una obra en http://revista.unam.mx/.