步态识别的免费午餐：一种新颖的关系描述子

步态识别是通过个体独特的行走模式为查询个体寻找正确匹配。然而，当前方法仅关注提取个体特定特征，忽视了“人际”关系。在本文中，我们提出了一种新颖的 $\textbf{Relation Descriptor}$（关系描述子），它不仅捕获个体特征，还捕获测试步态与预选步态锚点之间的关系。具体而言，我们将分类器权重重新解释为步态锚点，并计算测试特征与这些锚点之间的相似度分数，从而将个体步态特征重新表达为相似度关系分布。本质上，关系描述子提供了一种整体视角，利用分类器权重中存储的集体知识，强调有意义的特征模式并增强鲁棒性。尽管有此潜力，关系描述子带来了维度挑战，因为其维度取决于训练集的身份数量。为此，我们提出最远步态锚点选择以识别最具判别力的步态锚点，以及正交正则化损失以增加步态锚点内的多样性。与从骨干网络提取的个体特定特征相比，我们的关系描述子几乎无需任何额外成本即可提升性能。我们在流行的 GREW、Gait3D、OU-MVLP、CASIA-B 和 CCPG 上评估了方法的有效性，表明我们的方法持续优于基线并达到当前最优性能。