AtGCN：一种用于共济失调步态检测的图卷积网络
计算机视觉与模式识别
2026-03-23 v2 机器学习
摘要
基于视频的步态分析可以定义为利用患者在摄像机前行走的视频来诊断病理（如共济失调）的任务。本文提出了一种名为 AtGCN 的图卷积网络，用于使用 2D 视频检测共济失调步态并识别其严重程度。该问题尤其具有挑战性，因为共济失调步态与健康步态的偏差非常细微。共济失调步态检测的数据集也相当小，最大的数据集仅有 149 个视频。本文通过使用能够成功捕获重要步态相关特征的特殊时空图卷积来解决第一个问题。为了处理小数据集规模，一个在动作识别数据集上预训练的深度时空图卷积网络被系统地截断，然后在共济失调数据集上进行微调，以获得 AtGCN 模型。本文还提出了一种将视频序列分割成多个步态周期的增强策略。所提出的 AtGCN 模型随后对属于单个步态周期的身体部位位置图进行操作。评估结果支持了所提出的 AtGCN 模型的优势，因为它在检测和严重程度预测方面均优于现有技术，准确率分别达到 93.46% 和 MAE 为 0.4169，同时模型大小比 SOTA 小 5.5 倍。
引用
@article{arxiv.2410.22862,
title = {AtGCN: A Graph Convolutional Network For Ataxic Gait Detection},
author = {Karan Bania and Tanmay Verlekar},
journal= {arXiv preprint arXiv:2410.22862},
year = {2026}
}
备注
Accepted as a Long Oral (top-5%) at AIME 2025