BGaitR-Net：用于步态识别的具有时间约束模型的遮挡步态序列重建
计算机视觉与模式识别
2021-10-20 v1 机器学习
摘要
计算资源和深度学习方法的最新进展极大地促进了基于智能视觉的监控应用的发展。存在遮挡情况下的步态识别是该领域具有挑战性的研究课题之一，迄今为止研究人员提出的解决方案缺乏鲁棒性，且依赖于若干不切实际的约束，这限制了它们的实际适用性。我们通过开发基于深度学习的新算法来改进现有技术，以识别输入序列中的遮挡帧，随后利用步态序列中存在的时空信息重建这些遮挡帧。本工作采用的多阶段流水线包括关键姿态映射、遮挡检测与重建，以及最终的步态识别。关键姿态映射和遮挡检测阶段通过图排序算法完成，而遮挡帧的重建则是利用双向长短期记忆，将前一步骤中导出的关键姿态特定信息与步态序列中包含的时空信息相融合来完成的。该遮挡重建模型使用合成遮挡的 CASIA-B 和 OU-ISIR 数据进行训练，训练后的模型被称为双向步态重建网络 BGait-R-Net。我们基于 LSTM 的模型重建遮挡并生成在时间上与步态周期的周期性模式相一致的帧，同时保持身体结构。
引用
@article{arxiv.2110.09564,
title = {BGaitR-Net: Occluded Gait Sequence reconstructionwith temporally constrained model for gait recognition},
author = {Somnath Sendhil Kumara and Pratik Chattopadhyaya and Lipo Wang},
journal= {arXiv preprint arXiv:2110.09564},
year = {2021}
}