用于无约束步态识别的蒸馏引导表征学习
计算机视觉与模式识别
2024-10-15 v2
摘要
步态识别有望基于行走模式而非外观信息来稳健地识别个体。尽管以往方法在受控的室内数据上表现良好，但在无约束情境（如室外、远距离场景等）下往往表现不佳。我们提出了一种称为步态检测与识别（GADER）的框架，用于具有挑战性的室外场景下的人体认证。具体而言，GADER 利用双螺旋签名检测包含人体运动的片段，并通过一种新颖的步态识别方法构建判别性特征，其中仅使用包含步态信息的帧。为进一步增强鲁棒性，GADER 在其架构中编码视角信息，并从辅助 RGB 识别模型中蒸馏表征，使 GADER 在训练时能从轮廓和 RGB 数据中学习。在测试时，GADER 仅从轮廓模态进行推断。我们在多个最先进（SoTA）步态基线上评估了我们的方法，并在室内和室外数据集上展示了持续的改进，尤其在无约束的远距离步态数据上取得了显著的 25.2% 提升。
引用
@article{arxiv.2307.14578,
title = {Distillation-guided Representation Learning for Unconstrained Gait Recognition},
author = {Yuxiang Guo and Siyuan Huang and Ram Prabhakar and Chun Pong Lau and Rama Chellappa and Cheng Peng},
journal= {arXiv preprint arXiv:2307.14578},
year = {2024}
}
备注
Accepted by IJCB 2024