GaitSet：将步态作为深度集合的跨视角步态识别方法
计算机视觉与模式识别
2021-02-08 v1
摘要
步态是一种独特的生物特征，可在远距离进行识别；因此，它在犯罪预防、法医鉴定和公共安全中有广泛应用。为了刻画步态，现有步态识别方法要么使用步态模板（难以保留时间信息），要么使用步态序列（维持了不必要的顺序约束从而丧失了步态识别的灵活性）。本文提出一种新颖视角，将步态作为深度集合（deep set）来利用，即一组步态帧由一个受左右脑信息处理启发而构建的全局-局部融合深度网络进行整合，以学习可用于身份识别的信息。基于该深度集合视角，我们的方法对帧排列具有不变性，并能自然整合来自不同场景（如不同视角、不同衣着或不同携物条件）下所采集视频的帧。实验表明，在正常行走条件下，我们的单模型方法在 CASIA-B 步态数据集上达到 96.1% 的平均 rank-1 准确率，在 OU-MVLP 步态数据集上达到 87.9% 的准确率。在各种复杂场景下，我们的模型也展现出高度的鲁棒性：在携包和穿外套行走条件下，于 CASIA-B 上分别取得 90.8% 和 70.3% 的准确率，显著优于现有最佳方法。此外，即便测试样本仅有少量帧，所提方法仍保持令人满意的准确率；例如，仅使用 7 帧时在 CASIA-B 上达到 85.0%。源代码已发布于 https://github.com/AbnerHqC/GaitSet。
引用
@article{arxiv.2102.03247,
title = {GaitSet: Cross-view Gait Recognition through Utilizing Gait as a Deep Set},
author = {Hanqing Chao and Kun Wang and Yiwei He and Junping Zhang and Jianfeng Feng},
journal= {arXiv preprint arXiv:2102.03247},
year = {2021}
}
备注
Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Journal version of arXiv:1811.06186 (AAAI 2019). Code is available at https://github.com/AbnerHqC/GaitSet