elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Person Identification by Footstep Sound Using Convolutional Neural Networks

Algermissen, Stephan und Hörnlein, Max (2021) Person Identification by Footstep Sound Using Convolutional Neural Networks. Applied Mechanics, 2 (2), Seiten 257-273. Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/applmech2020016. ISSN 2673-3161.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
2MB

Offizielle URL: https://www.mdpi.com/2673-3161/2/2/16

Kurzfassung

Human gait is very individual and it may serve as biometric to identify people in camera recordings. Comparable results can be achieved while using the acoustic signature of human footstep sounds. This acoustic solution offers the opportunity of less installation space and the use of cost-efficient microphones when compared to visual system. In this paper, a method for person identification based on footstep sounds is proposed. First, step sounds are isolated from microphone recordings and separated into 500 ms samples. The samples are transformed with a sliding window into mel-frequency cepstral coefficients (MFCC). The result is represented as an image that serves as input to a convolutional neural network (CNN). The dataset for training and validating the CNN is recorded with five subjects in the acoustic lab of DLR. These experiments identify a total number of 1125 steps. The validation of the CNN reveals a minimum F1-score of 0.94 for all five classes and an accuracy of 0.98. The Grad-CAM method is applied to visualize the background of its decision in order to verify the functionality of the proposed CNN. Subsequently, two challenges for practical implementations, noise and different footwear, are discussed using experimental data.

elib-URL des Eintrags:https://elib.dlr.de/142741/
Dokumentart:Zeitschriftenbeitrag
Titel:Person Identification by Footstep Sound Using Convolutional Neural Networks
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Algermissen, StephanStephan.Algermissen (at) dlr.dehttps://orcid.org/0000-0002-0507-8195NICHT SPEZIFIZIERT
Hörnlein, Maxmax.hoernlein (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:11 Mai 2021
Erschienen in:Applied Mechanics
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Ja
In SCOPUS:Nein
In ISI Web of Science:Ja
Band:2
DOI:10.3390/applmech2020016
Seitenbereich:Seiten 257-273
Verlag:Multidisciplinary Digital Publishing Institute (MDPI)
ISSN:2673-3161
Status:veröffentlicht
Stichwörter:person identification; convolutional neural networks; MFCC; gait recognition; machine learning
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):L - keine Zuordnung
Standort: Braunschweig
Institute & Einrichtungen:Institut für Faserverbundleichtbau und Adaptronik > Adaptronik
Hinterlegt von: Algermissen, Dr.-Ing. Stephan
Hinterlegt am:21 Jun 2021 08:52
Letzte Änderung:21 Mai 2024 04:13

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.