基于骨架的步态识别的显式时频动力学
计算机视觉与模式识别
2026-04-06 v1
摘要
基于骨架的步态识别器在建模空间配置方面表现突出，但往往未充分利用在外观变化情境下至关重要的显式运动动力学。我们引入可即插即用的小波特征流，增强任何骨架骨干网络中关节速度的时频动力学。具体而言，关节速度序列经连续小波变换（CWT）转化为多尺度比例图，由此学习判别性动态线索的轻量级多尺度CNN。最终得到的描述子与骨干表示进行融合用于分类，无需修改骨干网络结构或添加额外监督。跨CASIA-B数据集，所提出的特征流在强骨架骨干网络（如GaitMixer、GaitFormer、GaitGraph）上均实现一致提升，并在GaitMixer上建立了新的骨架基准SOTA。在携带包（BG）和穿夹克（CL）等协变量位移情境下，改进尤为显著，凸显了显式时频建模与标准时空编码器之间的互补性。
引用
@article{arxiv.2604.03002,
title = {Explicit Time-Frequency Dynamics for Skeleton-Based Gait Recognition},
author = {Seoyeon Ko and Yeojin Song and Egene Chung and Luca Quagliato and Taeyong Lee and Junhyug Noh},
journal= {arXiv preprint arXiv:2604.03002},
year = {2026}
}
备注
5 pages, 1 figure, to appear in ICASSP 2026