GaitSADA：面向毫米波步态识别的自对齐域适应
计算机视觉与模式识别
2023-05-09 v3
摘要
基于毫米波雷达的步态识别是一种从毫米波雷达回波信号中捕获人体步态生物特征的新颖用户识别方法。该技术提供隐私保护，且对天气与光照条件具有鲁棒性。然而，其泛化性能尚不明晰，限制了实际部署。为解决此问题，本文收集并分析了一个非合成数据集，揭示毫米波步态生物特征数据中存在显著影响其识别准确性的空间与时域偏移。为缓解该问题，提出一种称为 GaitSADA 的新型自对齐域适应方法。GaitSADA 采用两阶段半监督模型训练方法提升系统泛化性能。第一阶段使用半监督对比学习从源域与目标域数据中学习紧凑步态表征，隐式对齐源-目标域分布。第二阶段使用带质心对齐的半监督一致性训练，通过对目标域样本伪标注、将同属一类但来自不同域的样本聚类在一起、并推动类质心接近每类权向量，进一步缩小源-目标域差距。实验表明，在低数据条件下，GaitSADA 以平均准确率 15.41% 至 26.32% 的提升优于代表性域适应方法。代码与数据集将发布于 https://exitudio.github.io/GaitSADA
引用
@article{arxiv.2301.13384,
title = {GaitSADA: Self-Aligned Domain Adaptation for mmWave Gait Recognition},
author = {Ekkasit Pinyoanuntapong and Ayman Ali and Kalvik Jakkala and Pu Wang and Minwoo Lee and Qucheng Peng and Chen Chen and Zhi Sun},
journal= {arXiv preprint arXiv:2301.13384},
year = {2023}
}
备注
Submitted to IEEE MASS 2023