InvKA：基于可逆 Koopman 自编码器的步态识别
计算机视觉与模式识别
2023-09-28 v2
摘要
当前多数步态识别方法可解释性差且计算成本高。为提升可解释性，我们基于 Koopman 算子理论在嵌入空间中研究步态特征。该空间中的转移矩阵捕获了步态周期的复杂运动学特征，即 Koopman 算子。算子矩阵的对角元素可表示整体运动趋势，提供具有物理意义的描述子。为降低算法计算成本，我们使用可逆自编码器缩减模型规模，并去除卷积层以压缩深度，从而减少浮点运算量。多个数据集上的实验结果表明，与最先进方法相比，我们的方法将计算成本降至 1%，同时在无遮挡数据集上取得了具竞争力的 98% 识别准确率。
引用
@article{arxiv.2309.14764,
title = {InvKA: Gait Recognition via Invertible Koopman Autoencoder},
author = {Fan Li and Dong Liang and Jing Lian and Qidong Liu and Hegui Zhu and Jizhao Liu},
journal= {arXiv preprint arXiv:2309.14764},
year = {2023}
}