GPGait：基于姿态的泛化步态识别
计算机视觉与模式识别
2023-08-16 v2
摘要
近期基于姿态的步态识别工作已证明利用此类简单信息达到与基于轮廓方法相媲美结果的潜力。然而，基于姿态的方法在不同数据集上的泛化能力不理想地逊于基于轮廓的方法，这一问题鲜受关注却阻碍了这些方法在真实场景中的应用。为提升基于姿态方法跨数据集的泛化能力，我们提出一种基于姿态的泛化步态识别（GPGait）框架。首先，提出面向人的变换（HOT）与一系列面向人的描述子（HOD）以获得具有判别性多特征的统一姿态表示。继而，鉴于 HOT 与 HOD 后统一表示的微小变化，网络提取关键点间的局部-全局关系变得至关重要。为此，提出部件感知图卷积网络（PAGCN）以实现高效的图划分与局部-全局空间特征提取。在 CASIA-B、OUMVLP-Pose、Gait3D 和 GREW 四个公开步态识别数据集上的实验表明，与现有基于骨架的方法相比，我们的模型展现出更优且更稳定的跨域能力，取得了与基于轮廓方法相当的识别结果。代码见 https://github.com/BNU-IVC/FastPoseGait。
引用
@article{arxiv.2303.05234,
title = {GPGait: Generalized Pose-based Gait Recognition},
author = {Yang Fu and Shibei Meng and Saihui Hou and Xuecai Hu and Yongzhen Huang},
journal= {arXiv preprint arXiv:2303.05234},
year = {2023}
}
备注
ICCV Camera Ready