基于多 Kinect SDAS 采集的遮挡条件下步态识别基准
计算机视觉与模式识别
2021-07-20 v1
摘要
人体步态是远距离人体识别的重要生物特征之一。在实际应用中，遮挡经常发生并严重影响步态识别的精度。然而，目前尚无可用数据库支持该问题的深入研究，且现有最优步态识别方法未给予足够关注，因此本文聚焦于遮挡条件下的步态识别。我们采集了一个名为 OG RGB+D 数据库的新步态识别数据库，其突破了其他步态数据库的限制，通过我们多个同步 Azure Kinect DK 传感器数据采集系统（multi-Kinect SDAS，亦可应用于安防场景）包含了各种遮挡（自遮挡、主动遮挡和被动遮挡）下的多模态步态数据。由于 Azure Kinect DK 可同步采集多模态数据以支持不同类型的步态识别算法，特别是使我们能有效获取以相机为中心的多人 3D 姿态，且多视角比单视角更利于处理遮挡。特别地，OG RGB+D 数据库通过融合多 Kinect 采集的数据提供了精确的轮廓与优化的人体 3D 关节数据（OJ），其在遮挡下的人体姿态表示更为准确。我们还利用 OJ 数据训练了一个先进的 3D 多人姿态估计模型，以提升其在遮挡下姿态估计的通用精度。此外，由于人体姿态比人体外观对遮挡更不敏感，我们提出了一种基于双人骨架模型、采用孪生时空图卷积网络（siamese ST-GCN）框架的新型步态识别方法 SkeletonGait。评估结果表明，在 OG RGB+D 数据库和流行的 CAISA-B 数据库上，SkeletonGait 与现有最优步态识别方法相比具有竞争力。
引用
@article{arxiv.2107.08990,
title = {A Benchmark for Gait Recognition under Occlusion Collected by Multi-Kinect SDAS},
author = {Na Li and Xinbo Zhao},
journal= {arXiv preprint arXiv:2107.08990},
year = {2021}
}