结合轮廓与骨架数据进行步态识别
计算机视觉与模式识别
2023-03-27 v3
摘要
步态识别作为一种远距离生物特征识别技术，近来引起了强烈兴趣。目前两类主流步态识别工作分别为基于表观和基于模型的方法，它们分别从轮廓和骨架中提取特征。然而，基于表观的方法受换装和携带条件影响很大，而基于模型的方法受限于姿态估计的准确性。为应对该挑战，本文提出一种简单而有效的双分支网络，其包含以轮廓为输入的基于 CNN 的分支和以骨架为输入的基于 GCN 的分支。此外，为在基于 GCN 的分支中获得更好的步态表示，我们提出一种全连接图卷积算子以整合多尺度图卷积并缓解对自然关节连接的依赖。同时，我们部署名为 STC-Att 的多维注意力模块来同时学习空间、时间和通道注意力。在 CASIA-B 和 OUMVLP 上的实验结果表明，我们的方法在各种条件下均达到最先进（SOTA）性能。
引用
@article{arxiv.2202.10645,
title = {Combining the Silhouette and Skeleton Data for Gait Recognition},
author = {Likai Wang and Ruize Han and Wei Feng},
journal= {arXiv preprint arXiv:2202.10645},
year = {2023}
}
备注
Accepted by IEEE ICASSP 2023