跨协变量步态识别：一个基准
计算机视觉与模式识别
2024-03-05 v4
摘要
步态数据集对于步态研究至关重要。然而，本文观察到，目前的基准数据集，无论是传统的受限数据集还是新兴的真实世界数据集，在协变量多样性方面均显不足。为弥补这一差距，我们历经 20 个月的艰苦努力，收集了一个跨协变量步态识别（CCGR）数据集。CCGR 数据集包含 970 名受试者和约 160 万个序列；几乎每位受试者都有 33 个视角和 53 种不同的协变量。与现有数据集相比，CCGR 兼具群体层面和个体层面的多样性。此外，视角和协变量均经过良好标注，使得分析不同因素的影响成为可能。CCGR 提供了多种类型的步态数据，包括 RGB、解析图、剪影和姿态，为研究人员提供了全面的探索资源。为了更深入地解决跨协变量步态识别问题，我们利用新提出的解析数据提出了基于解析的步态识别方法（ParsingGait）。我们进行了广泛的实验。主要结果显示：1) 跨协变量成为步态识别实际应用的关键挑战。2) ParsingGait 展现出进一步发展的巨大潜力。3) 令人担忧的是，现有的 SOTA 方法在 CCGR 上的准确率低于 43%，突显了探索跨协变量步态识别的紧迫性。链接：https://github.com/ShinanZou/CCGR。
引用
@article{arxiv.2312.14404,
title = {Cross-Covariate Gait Recognition: A Benchmark},
author = {Shinan Zou and Chao Fan and Jianbo Xiong and Chuanfu Shen and Shiqi Yu and Jin Tang},
journal= {arXiv preprint arXiv:2312.14404},
year = {2024}
}
备注
AAAI2024