GaitSet：将步态视为集合的跨视角步态识别
计算机视觉与模式识别
2018-12-13 v4
摘要
作为可在远距离识别的独特生物特征，步态在犯罪预防、法医鉴定和公共安全中有广泛应用。为刻画步态，现有步态识别方法或使用步态模板（时间信息难以保留），或使用步态序列（必须保持不必要的顺序约束从而丧失步态识别的灵活性）。本文提出一种新视角，将步态视为由独立帧组成的集合。我们提出名为GaitSet的新网络，从集合中学习身份信息。基于集合视角，我们的方法对帧排列不变，并可自然整合来自不同场景所摄视频的帧，如不同视角、不同衣着/携带条件。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95.0%的平均rank-1准确率，在OU-MVLP步态数据集上达到87.1%准确率。这些结果代表了新的SOTA识别精度。在各种复杂场景下，我们的模型表现出显著鲁棒性。在携包和穿外套行走条件下，CASIA-B上分别达到87.2%和70.4%准确率，大幅优于现有最佳方法。所提方法还能在测试样本帧数很少时取得满意精度，例如CASIA-B仅用7帧达82.5%。源代码发布于 https://github.com/AbnerHqC/GaitSet。
引用
@article{arxiv.1811.06186,
title = {GaitSet: Regarding Gait as a Set for Cross-View Gait Recognition},
author = {Hanqing Chao and Yiwei He and Junping Zhang and Jianfeng Feng},
journal= {arXiv preprint arXiv:1811.06186},
year = {2018}
}
备注
AAAI 2019, code is available at https://github.com/AbnerHqC/GaitSet