Una reciente investigación ha propuesto un método innovador en el campo del reconocimiento de marcha basado en biometría remota. Este método, denominado HorGait, aprovecha la capacidad del LiDAR para capturar características en 3D de la marcha humana y representarlas como nubes de puntos. El modelo combina una arquitectura de transformador con un bloque LHM que facilita las interacciones espaciales en órdenes elevados, logrando así un notable rendimiento en la identificación individual.
LiDAR, al comparar sus capacidades con las de infraestructuras tradicionales como cámaras, destaca por mantener la integridad de los atributos originales en 3D del sujeto mientras ofrece una mayor protección de la privacidad. Sin embargo, los modelos convencionales no han logrado integrar efectivamente estas ricas características tridimensionales a través de redes poco profundas, indicando la necesidad de estrategias más robustas.
La propuesta de modelo híbrido con transformadores ha sido adoptada en esta investigación para superar las limitaciones de la síntesis sobre la marcha. HorGait mejora considerablemente la precisión al abordar efectivamente los parches irrelevantes que afectan a los transformadores convencionales. Gracias a este enfoque, se ha demostrado que HorGait excede el rendimiento de las metodologías actuales en la matriz de datos SUSTech1K, basada en nubes de puntos de LiDAR.
Los resultados experimentales han mostrado que HorGait no solo ofrece mejor precisión, sino también la posibilidad de adaptación a diversas condicionantes en reconocimiento de marcha—p.ej., limitaciones ambientales como poca iluminación u oclusiones—evenando las bases para futuras aplicaciones del transformador en el reconocimiento de marchas.
En conclusión, el estudio muestra que los transformadores combinados con técnicas de interacción espacial mejorada han transformado el campo del reconocimiento de marchas, planteando nuevas líneas de avance que potencialmente podrán extenderse a usos comerciales y de seguridad no intrusivos que preserven la privacidad al mismo tiempo que proporcionen datos precisos.