基于物理生物力学仿真的步态数据增强
计算机视觉与模式识别
2023-07-24 v2
摘要
本文致力于解决步态分析中的数据稀缺问题。标准增强方法可能产生不符合人类行走生物力学约束的步态序列。为解决此问题，我们提出一种新颖的步态数据增强框架，利用基于物理的仿真器 OpenSIM 合成生物力学上合理的行走序列。所提方法通过增强 WBDS 与 CASIA-B 数据集并在其上分别训练基于步态的分类器用于三维性别步态分类与二维步态人员识别来验证。实验结果表明，我们的增强方法能提升基于模型的步态分类器性能，并在 CASIA-B 数据集上以高达 96.11% 的准确率取得基于步态的人员识别的 SOTA 结果。
引用
@article{arxiv.2307.08092,
title = {Gait Data Augmentation using Physics-Based Biomechanical Simulation},
author = {Mritula Chandrasekaran and Jarek Francik and Dimitrios Makris},
journal= {arXiv preprint arXiv:2307.08092},
year = {2023}
}
备注
30 pages including references, 5 Figures submitted to ESWA