GaitPT：步态识别仅需骨架
计算机视觉与模式识别
2024-01-25 v2 机器学习
摘要
行走模式的分析是一个重要的研究领域，在安防、医疗、体育与人机交互中有诸多应用。近来，行走模式被视为一种在远距离自动进行人员识别的独特指纹方法。本文中，我们提出一种名为 Gait Pyramid Transformer (GaitPT) 的新颖步态识别架构，它利用姿态估计骨架来捕捉独特的行走模式，而不依赖外观信息。GaitPT 采用分层 transformer 架构，在人体骨架结构的引导下，以解剖学一致的方式有效提取运动的空间与时间特征。我们的结果表明，在受控与真实场景这两种情况下，GaitPT 相较于其他基于骨架的步态识别工作均取得了最先进的性能。GaitPT 在 CASIA-B 上获得 82.6% 的平均准确率，以 6% 的优势超越其他工作。此外，它在 GREW 上取得 52.16% 的 Rank-1 准确率，优于基于骨架与基于外观的方法。
引用
@article{arxiv.2308.10623,
title = {GaitPT: Skeletons Are All You Need For Gait Recognition},
author = {Andy Catruna and Adrian Cosma and Emilian Radoi},
journal= {arXiv preprint arXiv:2308.10623},
year = {2024}
}