从人脸到步态：基于弱监督学习从行走模式中获取性别信息
计算机视觉与模式识别
2021-11-02 v1
摘要
从视频中获取人口统计信息对一系列现实应用具有价值。尽管利用面部特征进行性别推断的方法在受限环境中非常成功，但在大多数现实场景中，当对象未面向相机、面部被遮挡或因距离或分辨率低而面部不清时，这些方法失效。我们提出一种基于对象行走方式的弱监督方法来学习人的性别信息。我们利用最先进的面部分析模型自动标注正视图行走序列，并通过基于步态的标签传播泛化到未见角度。我们的结果显示出与面部分析模型相当或更高的性能，F1 分数达 91%，并能在因对象未面向相机或面部被遮挡而面部分析不可行的场景中成功泛化。
引用
@article{arxiv.2111.00538,
title = {From Face to Gait: Weakly-Supervised Learning of Gender Information from Walking Patterns},
author = {Andy Catruna and Adrian Cosma and Ion Emilian Radoi},
journal= {arXiv preprint arXiv:2111.00538},
year = {2021}
}
备注
Accepted at Face & Gesture Recognition 2021