GaitMM：面向步态识别的多粒度运动序列学习
计算机视觉与模式识别
2023-06-27 v2
摘要
步态识别旨在通过观察各身体部位不同的周期性运动来辨识个体特有的行走模式。然而，现有多数方法对各部位同等对待，且未能考虑由步态序列不同步频与采样率导致的数据冗余。本研究提出一种用于步态序列学习的多粒度运动表示网络（GaitMM）。在GaitMM中，我们设计了融合全身与细粒度序列学习模块（FFSL）以探索部件无关的时空表示。此外，我们采用一种逐帧压缩策略，即多尺度运动聚合（MSMA），以捕获步态序列中的判别性信息。在CASIA-B与OUMVLP两个公开数据集上的实验表明，我们的方法达到了最先进的性能。
引用
@article{arxiv.2209.08470,
title = {GaitMM: Multi-Granularity Motion Sequence Learning for Gait Recognition},
author = {Lei Wang and Bo Liu and Bincheng Wang and Fuqiang Yu},
journal= {arXiv preprint arXiv:2209.08470},
year = {2023}
}
备注
Accepted to ICIP2023