GaitEdge：超越朴素端到端步态识别以提升实用性
计算机视觉与模式识别
2022-07-19 v2
摘要
步态是在远距离识别个体中最具前景的生物特征之一。尽管以往大多数方法侧重于识别剪影，但若干直接从RGB图像提取步态特征的端到端方法表现更优。然而，我们证明这些端到端方法可能不可避免地受到与步态无关噪声（即低级纹理与彩色信息）的干扰。我们通过实验设计了跨域评估以支持该观点。本工作中，我们提出一种名为GaitEdge的新型端到端框架，可有效阻断与步态无关的信息并释放端到端训练潜力。具体而言，GaitEdge合成行人分割网络的输出，随后将其输入后续的识别网络，其中合成剪影由可训练的身体边缘与固定的内部区域构成，以限制识别网络接收的信息。此外，用于对齐剪影的GaitAlign被嵌入GaitEdge且不损失可微性。在CASIA-B与我们新建的TTG-200上的实验结果表明，GaitEdge显著优于以往方法，并提供了更实用的端到端范式。所有源代码发布于 https://github.com/ShiqiYu/OpenGait。
引用
@article{arxiv.2203.03972,
title = {GaitEdge: Beyond Plain End-to-end Gait Recognition for Better Practicality},
author = {Junhao Liang and Chao Fan and Saihui Hou and Chuanfu Shen and Yongzhen Huang and Shiqi Yu},
journal= {arXiv preprint arXiv:2203.03972},
year = {2022}
}
备注
16 pages, 7 figures, accepted by ECCV2022