GaitGraph：基于骨架的步态识别图卷积网络
计算机视觉与模式识别
2021-08-31 v2
摘要
步态识别是一种很有前景的基于视频的生物特征识别技术，可用于从远距离识别个体的行走模式。目前，大多数步态识别方法使用轮廓图像来表示每一帧中的人。然而，轮廓图像会丢失细粒度的空间信息，且多数论文未考虑在复杂场景中如何获取这些轮廓。此外，轮廓图像不仅包含步态特征，还包含其他可被识别的视觉线索。因此，这些方法不能被视为严格的步态识别。我们利用人体姿态估计的最新进展，直接从 RGB 图像中估计鲁棒的骨架姿态，以更干净的步态表示重新引入基于模型的步态识别。为此，我们提出 GaitGraph，将骨架姿态与图卷积网络（GCN）相结合，获得一种现代的基于模型的步态识别方法。其主要优势在于更干净、更优雅地提取步态特征，以及能够利用 GCN 进行强大的时空建模。在流行的 CASIA-B 步态数据集上的实验表明，我们的方法在基于模型的步态识别中达到了最先进的性能。代码与模型已公开可用。
引用
@article{arxiv.2101.11228,
title = {GaitGraph: Graph Convolutional Network for Skeleton-Based Gait Recognition},
author = {Torben Teepe and Ali Khan and Johannes Gilg and Fabian Herzog and Stefan Hörmann and Gerhard Rigoll},
journal= {arXiv preprint arXiv:2101.11228},
year = {2021}
}
备注
5 pages, 2 figures