用于自闭症检测的人体手势与步态分析
计算机视觉与模式识别
2023-04-18 v1
摘要
自闭症诊断因该病症的极大异质性和早期检测的隐匿性而面临重大挑战。非典型步态和手势模式是自闭症的主要行为特征，可为诊断提供关键线索。此外，这些数据能够以非侵入方式高效采集，有助于早期干预以优化积极预后。现有研究主要关注将面部与眼动特征与自闭症相关联。然而，极少有研究探讨能够揭示自闭症特有细微差异与特征的运动和手势模式。为弥补这一不足，我们提出对视频中的手势与步态活动进行分析，以识别自闭症儿童并通过回归自闭症诊断观察量表分数来量化其症状严重程度。我们提出的架构解决了两个关键因素：(1) 有效表征不规则手势模式的特征表示；(2) 双流协同学习框架，以在不显式使用额外数据模态的情况下，从多样视角全面理解其与自闭症的关系。实验结果表明了利用手势与步态活动视频进行自闭症分析的有效性。
引用
@article{arxiv.2304.08368,
title = {Human Gesture and Gait Analysis for Autism Detection},
author = {Sania Zahan and Zulqarnain Gilani and Ghulam Mubashar Hassan and Ajmal Mian},
journal= {arXiv preprint arXiv:2304.08368},
year = {2023}
}
备注
Accepted for publication at FGAHI@CVPR2023