CVVNet：用于行动识别的跨垂直视图网络
计算机视觉与模式识别
2025-09-16 v3
摘要
行动识别实现了对服装变化和非合作情景下具有鲁棒性的接触式、远程人识别。虽然现有方法在受控的室内环境中表现良好，但在垂直视角场景中难以应对，即监视角度在仰拱上 significantly 变化。我们的实验表明，在低到高垂直视角设置中，由于关键解剖特征的严重变形和自遮挡，准确率可下降最高达60%。当前的卷积神经网络和自注意力方法难以有效处理这些挑战，原因是它们依赖单尺度卷积或缺乏有效多频率特征集成的简单注意力机制。为解决这一问题，我们提出了CVVNet（Cross-Vertical-View Network），即为鲁棒的跨垂直视图行动识别专门设计的频率聚合架构。CVVNet采用高低频提取模块（HLFE），采用并行的多尺度卷积/最大池化路径和自注意力路径作为高频和低频混合器，以有效地从输入轮廓中提取多频率特征。我们还引入了动态门控聚合（DGA）机制，以自适应调整高频和低频特征的融合比例。将我们核心的多尺度注意力门控聚合（MSAGA）模块、HLFE和DGA集成，使CVVNet能够有效处理视角变化导致的变形，显著提高了在不同垂直视角下的识别鲁棒性。实验结果表明，CVVNet在DroneGait和Gait3D上的性能分别比现有最佳方法提高了8.6%和2%。
引用
@article{arxiv.2505.01837,
title = {CVVNet: A Cross-Vertical-View Network for Gait Recognition},
author = {Xiangru Li and Wei Song and Yingda Huang and Wei Meng and Le Chang and Hongyang Li},
journal= {arXiv preprint arXiv:2505.01837},
year = {2025}
}