基于解耦表示学习的步态识别
计算机视觉与模式识别
2019-04-11 v1
摘要
步态，即个体的行走模式，是最重要的生物特征模态之一。现有大多数步态识别方法以剪影或关节化身体模型作为步态特征。这些方法在处理衣着、携带物和视角等混杂变量时识别性能下降。为弥补此缺陷，我们提出一种新颖的AutoEncoder框架，从RGB图像中显式解耦姿态与外观特征，并基于LSTM对姿态特征随时间进行整合以生成步态特征。此外，我们收集了正面视角步态（FVG）数据集，专注于正面视角行走的步态识别，由于相较于其他视角其包含的步态线索极少，这是一个具有挑战性的问题。FVG还包含其他重要变化，如行走速度、携带物和衣着。通过在CASIA-B、USF和FVG数据集上的大量实验，我们的方法在定量上优于当前最优方法，在定性上展示了特征解耦能力，并具备良好的计算效率。
引用
@article{arxiv.1904.04925,
title = {Gait Recognition via Disentangled Representation Learning},
author = {Ziyuan Zhang and Luan Tran and Xi Yin and Yousef Atoum and Xiaoming Liu and Jian Wan and Nanxin Wang},
journal= {arXiv preprint arXiv:1904.04925},
year = {2019}
}
备注
To appear at CVPR 2019 as an oral presentation