活动生物特征识别：从日常活动中进行人员识别

本工作中，我们研究了一个新颖的问题，聚焦于在执行日常活动时进行人员识别。由于时空复杂性和外观偏差（如衣物颜色和背景）的存在，从 RGB 视频中学习生物特征具有挑战性。我们提出了 ABNet，一个新颖的框架，利用生物特征与非生物特征特征的解耦来有效地从日常活动中进行人员识别。ABNet 依赖一个无偏差教师从 RGB 视频中学习生物特征，并借助生物特征失真显式地解耦非生物特征。此外，ABNet 还利用活动先验进行生物特征识别，这通过联合生物特征与活动学习来实现。我们对所提方法在五个不同数据集上进行了全面评估，这些数据集源自现有的活动识别基准。此外，我们将 ABNet 与现有的人员识别工作进行了广泛比较，并证明了其在所有五个数据集上用于基于活动的生物特征识别的有效性。代码和数据集可访问：\url{https://github.com/sacrcv/Activity-Biometrics/}