面向人员识别的步态特征自动学习
计算机视觉与模式识别
2016-06-15 v2 人工智能
摘要
本工作旨在基于人的行走方式（即步态）进行视频中的人员识别。虽然经典方法通常从二值轮廓序列中提取步态特征，但本工作探索使用卷积神经网络（CNN）从低级运动特征（即光流分量）中学习高级描述子。我们在具有挑战性的 TUM-GAID 数据集上对提出的 CNN 架构进行了详尽的实验评估。实验结果表明，使用光流的时空立方体作为 CNN 的输入数据，能够在步态任务上取得当前最优（state-of-the-art）结果，且图像分辨率比先前报道的结果低八倍（即 80x60 像素）。
引用
@article{arxiv.1603.01006,
title = {Automatic learning of gait signatures for people identification},
author = {F. M. Castro and M. J. Marin-Jimenez and N. Guil and N. Perez de la Blanca},
journal= {arXiv preprint arXiv:1603.01006},
year = {2016}
}
备注
Proof of concept paper. Technical report on the use of ConvNets (CNN) for gait recognition. Data and code: http://www.uco.es/~in1majim/research/cnngaitof.html