基于身体关键点的双向Siamese循环神经网络用于精准步态识别
计算机视觉与模式识别
2024-12-06 v2 人工智能
机器学习
摘要
步态识别是一种重要的生物识别技术，尤其适用于其他生理生物特征在实际场景下难以实现或无效的情况。本文针对步态识别面临的挑战，提出了一种新颖方法以提高其准确性和可靠性。该方法利用了包括通过Mediapipe姿态估计模型获取的顺序步态关键点、Procrustes分析进行对齐，以及Siamese双向门控循环单元双栈神经网络结构来捕获时序依赖性。我们在大规模跨视角数据集上进行了广泛实验，以展示该方法的有效性，实现的识别准确率优于其他模型。该模型在CASIA-B、SZU RGB-D、OU-MVLP和Gait3D数据集上的准确率分别为95.7%、94.44%、87.71%和86.6%。结果凸显了该方法在实际应用领域的潜在价值，表明其在步态识别领域具有重要贡献。
引用
@article{arxiv.2412.03498,
title = {A Bidirectional Siamese Recurrent Neural Network for Accurate Gait Recognition Using Body Landmarks},
author = {Proma Hossain Progga and Md. Jobayer Rahman and Swapnil Biswas and Md. Shakil Ahmed and Arif Reza Anwary and Swakkhar Shatabda},
journal= {arXiv preprint arXiv:2412.03498},
year = {2024}
}