DyGait：利用动态表征实现高性能步态识别
计算机视觉与模式识别
2023-03-28 v1
摘要
步态识别是一种通过行走模式识别人类身份的生物识别技术。相较于其他生物识别技术，步态识别更难以伪装，且可应用于远距离、无需受试者配合的条件。因此，它在犯罪预防与公共安全方面具有独特潜力和广泛应用。目前，大多数步态识别方法直接从视频帧提取特征以建立表征。然而，这些架构同等学习不同特征的表达，却未充分关注动态特征——即轮廓随时间动态部分（如腿）的表征。由于人体动态部分在行走时比其他部分（如包）信息更丰富，本文提出一种新颖且高性能的框架 DyGait。这是首个专为聚焦动态特征提取而设计的步态识别框架。具体而言，为充分利用动态信息，我们提出动态增强模块（DAM），可自动建立人体动态部分的时空特征表征。实验结果表明，我们的 DyGait 网络优于其他最先进的步态识别方法。它在 GREW 数据集上取得 71.4% 的平均 Rank-1 准确率，在 Gait3D 数据集上为 66.3%，在 CASIA-B 数据集上为 98.4%，在 OU-MVLP 数据集上为 98.3%。
引用
@article{arxiv.2303.14953,
title = {DyGait: Exploiting Dynamic Representations for High-performance Gait Recognition},
author = {Ming Wang and Xianda Guo and Beibei Lin and Tian Yang and Zheng Zhu and Lincheng Li and Shunli Zhang and Xin Yu},
journal= {arXiv preprint arXiv:2303.14953},
year = {2023}
}