Vol. 25, Núm.
2, marzo-abril 2024
Identificación biométrica a través del andar
humano: enfoques y desarrollos
Biometric identification through human gait:
approaches and developments
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales
Rosales, Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Resumen Abstract
En un contexto donde el reconocimiento de In a context where the recognition of people
personas cobra protagonismo, particularmente takes center stage, particularly in the field of
en el ámbito de la seguridad, emerge el security, Human Gait Recognition (hgr) emerges
Reconocimiento del Andar Humano (rah) como una as a key biometric technique. Focused on the way
técnica biométrica clave. Este enfoque, centrado individuals walk, this approach has experienced
en la forma de caminar, ha experimentado un a noteworthy surge in recent research due
notable auge en la investigación reciente, gracias to its intrinsic advantages. The capability to
a sus ventajas intrínsecas. La capacidad de llevar perform recognition remotely, even without
a cabo el reconocimiento a distancia, incluso sin explicit consent, positions hgr as a cutting-edge
el consentimiento explícito, posiciona al rah como tool. Two computational approaches stand
una herramienta de vanguardia. Se distinguen dos out: model-based, that explores human body
enfoques computacionales: el basado en modelos, movement, and appearance-based, that extracts
que explora el movimiento del cuerpo humano, y el the essence of walking from silhouettes. hgr ‘s
basado en apariencias, que extrae la esencia de la versatility lies in its independence from the type
forma de caminar desde la silueta. La versatilidad of camera used, providing detailed information
del rah radica en su independencia respecto al tipo on walking angles, stride frequency, and body
de cámara utilizada, proporcionando información part length. This work offers an evolutionary
detallada sobre ángulos de flexión, frecuencia analysis of hgr over time, highlighting significant
de zancada y longitud de partes del cuerpo. Este contributions that have set the course for
trabajo ofrece un análisis evolutivo del rah a lo largo research in the field.
del tiempo, destacando contribuciones significativas
Keywords: person recognition, biometric
que han marcado pautas en la investigación.
features, Human Gait Recognition (hgr), model-
Palabras clave: reconocimiento de personas, based approach, appearance-based approach.
características biométricas, Reconocimiento del
Andar Humano (rah), enfoque basado en modelos,
enfoque basado en apariencias.
Cómo citar esta colaboración
Burruel Zazueta, José Misael, Rodríguez Rangel, Héctor, Morales Rosales, Luis Alberto, Puig Cayuela, Vicenç, y Peralta Peñuñuri,
Gloria Ekaterine. (2024, marzo-abril). Identificación biométrica a través del andar humano: enfoques y desarrollos. Revista Digital
Universitaria (rdu), 25(2). [Link]
Universidad Nacional Autónoma de México, Coordinación de Universidad Abierta, Innovación Educativa y Educación a Distancia (CUAIEED)
Este es un artículo de acceso abierto bajo la licencia de Creative Commons 4.0
Vol. 25, Núm. 2, marzo-abril 2024
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.
0000-0002-6318-3436
Héctor Rodríguez 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.
0000-0003-4999-3472
Luis Alberto Morales Rosales
Universidad Michoacán de San Nicolás de Hidalgo (umsnh)
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.
0000-0002-4753-9375
Vicenç Puig Cayuela
Universidad Michoacán de San Nicolás de Hidalgo (umsnh)
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.
0000-0002-6364-6429
Universidad Nacional Autónoma de México, Coordinación de Universidad Abierta, Innovación Educativa y Educación a Distancia (CUAIEED)
Este es un artículo de acceso abierto bajo la licencia de Creative Commons 4.0
Vol. 25, Núm. 2, marzo-abril 2024
Gloria Ekaterine Peralta Peñuñuri
Tecnológico Nacional de México y Universidad Politécnica de Cataluña
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.
0000-0001-8991-1158
Universidad Nacional Autónoma de México, Coordinación de Universidad Abierta, Innovación Educativa y Educación a Distancia (CUAIEED)
Este es un artículo de acceso abierto bajo la licencia de Creative Commons 4.0
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
Introducción
E n la era digital actual, la identificación de personas se ha convertido en
un tema fascinante que va más allá de las clásicas contraseñas y pin. ¿Te
has preguntado alguna vez cómo tu teléfono inteligente sabe que eres
tú al desbloquearlo? ¡Bienvenido al emocionante mundo de las características
biométricas!
Estamos hablando de medidas biológicas que nos hacen únicos, como
nuestras huellas dactilares, rostros, voces, iris o incluso nuestras venas. ¿Quién
iba a pensar que algo tan personal como la forma en que caminamos también
podría ser una firma única? El Reconocimiento del Andar Humano (rah) es como la
huella dactilar de tu estilo al caminar.
Este juego de tecnología no se limita a los smartphones; lo encuentras en
cerraduras inteligentes, sistemas de videovigilancia y otras aplicaciones. Imagina
que tu forma de caminar no sólo te lleva de un lugar a otro, ¡sino que también te
identifica en el camino!
¿Recuerdas que en la película Misión Imposible v los protagonistas se
enfrentaron a un reconocedor del andar humano? El contexto se desarrolla
cuando para lograr obtener acceso a un área restringida, los protagonistas de la
película tienen que sortear algunas medidas de seguridad biométricas. Lectura
de iris ocular, reconocimiento facial, huellas dactilares y finalmente el
reconocimiento del andar humano. Los primeros tres reconocimientos fueron
fácilmente evadidos ya que generaron copias exactas de estas características.
Pero ¿y el rah? En la película se concluye que es imposible que el intruso logre
Video 1. Escena de generar un patrón de caminata exactamente igual al de la persona registrada
reconocimiento del andar
humano en la película Misión para el acceso. Por lo que la misión consistirá en cambiar el chip donde se
imposible v. Crédito: Cinemart, encuentra el registro con los patrones de caminata almacenados de la persona
2023. que originalmente tiene acceso y colocar un chip con los patrones de caminata
del intruso, de esa forma el registro coincidiría con el patrón de caminata del
intruso a la hora de pasar por el pasillo
en donde se encuentra el reconocedor
del andar humano.
Esta escena describe el
funcionamiento del rah de forma muy
cercana a la realidad. Los patrones que
representan nuestra forma de caminar
pueden ser almacenados y utilizados
para futuras comparaciones, ya sea,
para autentificación (comparar una
nueva caminata con una almacenada)
o identificación (comparar una nueva
caminata con varios registros) (ver video 1).
4 4
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
En los últimos años, la investigación sobre rah ha aumentado debido a que
ofrece ventajas, como la capacidad de realizar el reconocimiento a distancia de
manera silenciosa, es decir, no requiere cooperación del usuario. Además, el
hecho de que alguien oculte su rostro frente a una cámara no tiene ningún
efecto en el rah. Por lo que, el rah es una técnica potencialmente útil para sistemas
de identificación de personas que requieren la mínima cooperación de los
usuarios, especialmente para actividades de vigilancia silenciosa en áreas de
riesgo.
Figura 1. Reconocimiento
del andar humano mediante
enfoques basados en modelos y
apariencias. Crédito: elaboración
propia.
rah en dos enfoques
El mundo del rah comenzó a tomar forma en 1994, con el desarrollo un primer
sistema (Lin, B., et al., 1994). Desde entonces, los investigadores han explorado
dos enfoques computacionales.
Por un lado, el enfoque basado en modelos se sumerge en características
vinculadas al movimiento del cuerpo humano, como la flexión de extremidades
y la frecuencia de pasos (Bouchrika, I., 2018). Por otro lado, el enfoque basado en
apariencias se embarca en la tarea de extraer la esencia de la forma de caminar
de una persona a través de su silueta (Bouchrika, I., 2018).
Enfoque basado en modelos
En el enfoque basado en modelos, el proceso se inicia creando un modelo
que se asemeje a la persona presente en la imagen. Este modelo abarca las
piernas, el torso, la cabeza y los brazos. Posteriormente, se procede a recopilar
información detallada sobre la manera de caminar: sobre los ángulos de flexión,
la frecuencia de zancada, la longitud de las diferentes partes del cuerpo, entre
otros. Una de sus ventajas es que no importa el tipo de cámara utilizada para
grabar la secuencia de caminar.
5 5
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
Sin embargo, es importante señalar que esta metodología presenta
una desventaja significativa, que se encuentra en la necesidad de realizar un
procesamiento extenso, lo que implica mayor potencia computacional y un
aumento en el tiempo necesario para llevar a cabo dicho procesamiento. A
pesar de este inconveniente, sigue siendo una herramienta valiosa en el campo
del rah, pues ofrece una detallada visión de cómo nos movemos.
Este enfoque se desglosa en tres tipos distintos de métodos para identificar
a quién pertenecen las características de caminata de cada sujeto. En los primeros
intentos por abordar el desafío del rah, se empleaban algoritmos matemáticos
y estadísticos. A medida que la tecnología avanzaba, se fueron introduciendo
sistemas basados en redes neuronales artificiales1, una joya del aprendizaje
profundo, que es un subcampo de la inteligencia artificial. Finalmente, se ha
visto la implementación de modelos basados en redes neuronales artificiales
en tres dimensiones2. Esta transición temporal es un emocionante testimonio
de cómo la convergencia de la inteligencia artificial y la tecnología tridimensional
ha transformado la manera en que comprendemos y aplicamos estas técnicas
biométricas.
Los pioneros en el desarrollo de sistemas de rah dieron sus primeros pasos
en la década de los noventa. En 1994, Lin y colaboradores utilizaron modelos de
estructuras en dos dimensiones para explorar la dinámica de la marcha. Mientras
tanto, en 1997, Cunado y colaboradores introdujeron algo denominado sistema
basado en modelos de movimiento3. En ambos casos, aplicaron un algoritmo
de aprendizaje automático o machine learning conocido como K-vecinos más
cercanos4 para analizar las diversas formas de caminar. Los resultados fueron
1
Se refiere a modelos notables, con tasas de reconocimiento del 81% y 90%, respectivamente.
computacionales inspirados en
la estructura y funcionamiento Siguiendo la línea de investigación basada en modelos, en 2002,
del cerebro humano.
BenAbdelkader et al. llevaron a cabo un modelado del cuerpo humano.
2
Se refiere a enfoques de
aprendizaje automático
Utilizaron características como la longitud de los pasos y la velocidad al caminar,
donde se emplean redes y emplearon un algoritmo gaussiano bivariable5. Este enfoque continuo en
neuronales para analizar la modelización detallada y el uso estratégico de algoritmos de aprendizaje
datos tridimensionales,
como imágenes médicas
automático ha sido fundamental para avanzar en la precisión y eficacia del rah.
o reconstrucciones Estamos, literalmente, dando pasos firmes hacia un futuro más sofisticado en la
tridimensionales de objetos. identificación biométrica.
3
Es un enfoque de inteligencia
artificial que utiliza modelos Una contribución crucial surgió en 2008 cuando se introdujo por primera
para predecir y comprender el
movimiento de objetos en un vez una red neuronal artificial (ann, del inglés Artificial Neural Network), para
entorno. clasificar características extraídas del modo de caminar de una persona a partir
4
K Vecinos más Cercanos (K-NN de modelos estructurales en dos dimensiones. Los arquitectos de este avance
por sus siglas en inglés) es (Yoo et al., 2008) lograron una impresionante tasa de reconocimiento del 90%,
un algoritmo de aprendizaje
automático supervisado utilizado utilizando 630 videos de la base de datos soton (Shutler et al., 2004). La eficiencia
para clasificación y regresión. demostrada provocó que numerosos investigadores adoptaran y exploraran
5
Es un método estadístico estas técnicas basadas en redes neuronales a partir de ese año, lo que catalizó
utilizado para modelar la un cambio significativo en la dirección de la investigación.
distribución de datos en dos
dimensiones.
6 6
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
En una variante distinta, dos expertos en la materia (Ariyanto y Nixon,
2012) idearon un sistema para la identificación de personas en videos. La
singularidad de su método radicó en la creación de una imagen tridimensional
del cuerpo humano en movimiento, una suerte de escultura compuesta por
pequeñas piezas: 11 puntos que conectaban la cabeza, el torso y las piernas (ver
figura 2). De esta manera, se permitía el estudio detallado de aspectos clave,
como el ángulo de movimiento, la longitud de las diferentes partes del cuerpo, la
distancia que abarca cada paso y la dirección de los pies.
Lo anterior, además de ser un logro en la comprensión de la biomecánica
del caminar, sentó las bases para una tendencia que se ha mantenido hasta la
actualidad: el enfoque en los puntos clave del cuerpo humano y el uso de
técnicas basadas en redes neuronales para su análisis. Estamos presenciando el
inicio de una era donde la combinación de la representación tridimensional y la
inteligencia artificial redefine nuestra comprensión de la identificación biométrica.
Enfoque basado en
apariencias
Los sistemas basados en apariencia se
adentran en la búsqueda de detalles en
el movimiento o el cuerpo humano sin
depender de un modelo previamente
establecido. Esta aproximación
presenta ventajas notables; por ejemplo,
no requiere videos de alta calidad y
no exige el uso de una computadora
especializada, a diferencia del enfoque
basado en modelos, lo que los hace
más accesibles y prácticos en diversos
escenarios. Sin embargo, como
contrapartida, pueden ser sensibles al
ángulo de la cámara en relación con las
personas y cualquier objeto que pueda
obstaculizar la visión. Este equilibrio
entre accesibilidad y desafíos técnicos
destaca la complejidad inherente al
fascinante campo del rah.
En el año 2005, un destacado
equipo de expertos (Sarkar, S., et al.,
2005) presentó el primer sistema
de reconocimiento de personas
basado en apariencia. Este innovador
Figura 2. Ejemplo de
modelo del cuerpo humano
enfoque utilizó siluetas humanas para
en 3 dimensiones. Crédito: identificar las características del ciclo
elaboración propia. de caminar de una persona, logrando
7 7
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
una efectividad del 95%, incluso en condiciones de baja iluminación o con una
calidad de video limitada. El proceso implicaba el uso de secuencias de video
donde se detectaba la forma humana y se eliminaba el fondo, permitiendo así
extraer la silueta de la persona. Con estas siluetas en mano, se calculaba la
periodicidad del ciclo de caminar, lo que facilitaba la identificación precisa de la
persona.
Además, en 2006, dos investigadores, Han y Bhanu, ampliando la propuesta
de extracción de siluetas de Sarkar et al., desarrollaron una técnica revolucionaria
para el reconocimiento de personas en videos: imágenes de energía de marcha
(gei, del inglés Gait Energy Image; ver figura 3). En ella, se generaban múltiples
imágenes de siluetas por cada video, de las cuales se obtenía una única gei. Su
principal ventaja es la capacidad para condensar todo el ciclo de caminata en
una única imagen, facilitando así la identificación de las características distintivas
de la persona. Este avance fue de suma importancia para los sistemas de
reconocimiento basados en apariencias, y además, abrió el camino para futuras
investigaciones en el emocionante campo del rah.
Posteriormente, el aprendizaje
profundo también emerge como un
conjunto de técnicas sumamente
valiosas para el reconocimiento
automático de personas a través de
imágenes del ciclo de la caminata.
En particular, las redes neuronales
profundas6 tienen la capacidad de
extraer características significativas de
las imágenes, lo que las convierte en
una herramienta excepcionalmente
efectiva para el reconocimiento de
personas.
Dentro de este contexto, la
técnica más prominente es la red
neuronal convolucional (cnn, del inglés
Convolutional Neural Network). Esta
técnica ha demostrado un desempeño
Figura 3. Ejemplo de imagen de notable en la identificación de personas
energía de marcha, a partir del en diversas bases de datos. La capacidad
enfoque basado en apariencias. de las cnn para procesar de manera
Crédito: elaboración propia.
eficiente información visual compleja,
como las variaciones en el ciclo de caminar, ha impulsado su popularidad y éxito
en el ámbito del reconocimiento biométrico.
6
se refiere a modelos de redes
neuronales artificiales con GaitNet representa un avance significativo en el reconocimiento
múltiples capas ocultas entre
la capa de entrada y la capa de
automático de personas en videos mediante aprendizaje profundo. Este
salida.
8 8
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
sistema, desarrollado por expertos de Google (Song et al., 2016), emplea dos
tipos de cnn para analizar de manera integral los videos y mejorar la precisión
del reconocimiento. En una primera etapa, segmenta el video para obtener
una imagen que representa el ciclo de la caminata de la persona o imagen de
energía de marcha (gei). Posteriormente, otra red neuronal analiza esta imagen
para extraer características esenciales que permiten la identificación precisa de
la persona. La integración de ambas redes potencia el rendimiento del sistema
de manera sinérgica.
En términos de resultados, GaitNet ha demostrado su eficacia con un
rendimiento destacado del 89.9% en la base de datos de videos casia-b. Esta
base de datos, que alberga 13640 videos de 124 personas capturados desde
diversos ángulos y con variadas formas de caminar, se ha convertido en una
referencia clave para mejorar el reconocimiento automático de personas. El
éxito de GaitNet, además de validar la utilidad del aprendizaje profundo en
este contexto, destaca la importancia de bases de datos ricas y variadas para
impulsar el avance de las tecnologías biométricas.
A partir de 2020, ha surgido una técnica notable en el reconocimiento
automático de personas denominada redes neuronales convolucionales en 3D
(cnn3D) . En ella, las imágenes de las personas se organizan en conjuntos de datos
tridimensionales, permitiendo que la red neuronal procese esta información de
manera más eficiente. Los resultados obtenidos mediante la aplicación de esta
técnica han sido extraordinarios, logrando una efectividad que supera el 90%
en diversas bases de datos de rah. Según la investigación liderada por Lin, B. et
al., esta técnica se posiciona como la más destacada hasta la fecha en términos
de rendimiento. Estamos presenciando una era emocionante en la cual la
combinación de aprendizaje profundo y representación tridimensional redefine
los límites del rah.
Conclusiones
En la línea de investigación del rah, se han realizado contribuciones significativas
que han impulsado la identificación de personas a través de su forma de caminar.
En este sentido, el enfoque basado en modelos tiende a profundizar en el
análisis minucioso de ángulos, longitudes, cadencia y otros aspectos específicos
del comportamiento de las partes del cuerpo. Por otro lado, el enfoque basado
en apariencias se inclina hacia el análisis integral del cuerpo, representando
todo el ciclo de caminata en una sola imagen.
Esta dualidad entre los enfoques ilustra las diversas perspectivas adoptadas
para abordar el problema del rah y sugiere una interesante alternancia de
ventajas y desventajas entre ellos. Aquello que se percibe como una fortaleza en
el enfoque basado en modelos puede, irónicamente, constituir una limitación en
el enfoque basado en apariencias, y viceversa.
9 9
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
Desde cerraduras inteligentes hasta sistemas de videovigilancia, la
variedad de enfoques permite adaptar las soluciones a las especificidades de
cada contexto, cubriendo así una amplia gama de necesidades y exigencias en el
ámbito del rah. Esta sinergia de enfoques no sólo impulsa la evolución continua
del rah, sino que también destaca la importancia de considerar la diversidad como
un elemento clave en el diseño y la implementación de sistemas biométricos
avanzados.
Referencias
v 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. [Link]
v 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. [Link]
v 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. [Link]
v Cinemart. (2023, 17 de julio). MISSION: IMPOSSIBLE - ROGUE NATION (2015) |
Underground Water Full Scene | Underwater Scene 4K uhd [Video]. YouTube. https://
[Link]/88gJeeydT4E?si=7Ca2R9sCBcYACyS3
v 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. [Link]
v 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://
[Link]/10.1109/TPAMI.2006.38
v 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.
[Link]
v 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). [Link]
v Sarkar, S., Phillips, P. J., Liu, Z., Vega, I. R., Grother, P., y Bowyer, K. W. (2005, febrero).
The humanID gait challenge problem: data sets, performance, and analysis. ieee
Transactions on Pattern Analysis and Machine Intelligence, 27(2), 162-177. [Link]
org/10.1109/TPAMI.2005.39
10 10
“Identificación biométrica a través del andar humano: enfoques y desarrollos”
José Misael Burruel Zazueta, Héctor Rodríguez Rangel, Luis Alberto Morales Rosales,
Vicenç Puig Cayuela y Gloria Ekaterine Peralta Peñuñuri
Vol. 25, Núm. 2, marzo-abril 2024
Revista Digital Universitaria
v 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.
[Link]
v 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.
[Link]
v 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:/[Link]/10.1109/TCE.2015.7150566
v 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. [Link]
v 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. [Link]
org/10.1109/IPTA.2008.4743792
Recepción: 13/03/2023. Aceptación: 24/01/2024.
11 11
