GaitASMS：基于自适应结构化空间表示与多尺度时间聚合的步态识别
计算机视觉与模式识别
2024-02-22 v2
摘要
步态识别是最具前景的基于视频的生物特征识别技术之一。轮廓边缘与运动是信息量最大的特征，已有研究分别对其探索并取得了显著成果。然而，由于遮挡与视角变化，其步态识别性能常受预定义空间分割策略的影响。此外，传统时间池化通常忽略步态中具区分性的时间信息。为解决上述问题，我们提出一种新颖的步态识别框架，记为GaitASMS，其能有效提取自适应结构化空间表示并自然聚合多尺度时间信息。自适应结构化表示提取模块（ASRE）利用自适应边缘掩码分离轮廓边缘，并在语义隐空间中最大化表示。此外，多尺度时间聚合模块（MSTA）通过时间聚合结构实现对长短程时间信息的有效建模。进一步地，我们提出一种称为随机掩码的新数据增强方法，以丰富长时遮挡的样本空间并增强模型泛化能力。在两个数据集上的大量实验证明了所提方法的竞争优势，尤其在复杂场景（即BG与CL）中。在CASIA-B数据集上，GaitASMS取得93.5%的平均准确率，在BG与CL下分别较基线在rank-1准确率上高出3.4%与6.3%。消融实验证明了ASRE与MSTA的有效性。源代码见 https://github.com/YanSungithub/GaitASMS。
引用
@article{arxiv.2307.15981,
title = {GaitASMS: Gait Recognition by Adaptive Structured Spatial Representation and Multi-Scale Temporal Aggregation},
author = {Yan Sun and Hu Long and Xueling Feng and Mark Nixon},
journal= {arXiv preprint arXiv:2307.15981},
year = {2024}
}