基于遮挡序列的步态周期重建与人识别
计算机视觉与模式识别
2022-06-28 v1 人工智能
摘要
利用基于计算机视觉的技术从监控站点捕获的视频中进行基于步态的人员识别颇具挑战性，因为这些行走序列通常受到遮挡破坏，且完整的步态周期并非总可获得。在本工作中，我们提出一种有效的基于神经网络的模型，在进行步态识别之前重建输入序列中的遮挡帧。具体而言，我们采用LSTM网络从正向和反向两个方向预测每个遮挡帧的嵌入，随后通过由残差块和卷积层组成的网络融合两个LSTM的预测结果。在LSTM被训练以最小化均方损失的同时，融合网络被训练以优化真实值与重建样本之间的逐像素交叉熵损失。我们使用由OU-ISIR LP和CASIA-B数据生成的合成遮挡序列以及TUM-IITKGP数据中存在的真实遮挡序列对方法进行评测。所提重建模型的有效性通过Dice分数以及使用一些流行步态识别方法的基于步态的识别准确率得到验证。与现有步态识别中遮挡处理方法的对比研究凸显了我们所提遮挡重建方法相对于其他方法的优越性。
引用
@article{arxiv.2206.13395,
title = {Gait Cycle Reconstruction and Human Identification from Occluded Sequences},
author = {Abhishek Paul and Manav Mukesh Jain and Jinesh Jain and Pratik Chattopadhyay},
journal= {arXiv preprint arXiv:2206.13395},
year = {2022}
}