LidarGait：基于点云的 3D 步态识别基准评测
计算机视觉与模式识别
2023-03-31 v2
摘要
基于视频的步态识别在受限场景中已取得令人印象深刻的成果。然而，视觉相机忽略了人体 3D 结构信息，限制了步态识别在 3D 真实世界中的可行性。与从图像中提取步态特征不同，本工作从点云中探索精确的 3D 步态特征，并提出了一个简单而高效的 3D 步态识别框架，称为 LidarGait。我们提出的方法将稀疏点云投影为深度图，以学习带有 3D 几何信息的表示，其性能显著优于现有的逐点方法和基于相机的方法。由于缺乏点云数据集，我们构建了首个大规模基于 LiDAR 的步态识别数据集 SUSTech1K，由一台 LiDAR 传感器和一台 RGB 相机采集。该数据集包含来自 1,050 名受试者的 25,239 条序列，涵盖诸多变化，包括可见性、视角、遮挡、衣着、携带物和场景。大量实验表明：（1）3D 结构信息可作为步态识别的重要特征。（2）LidarGait 显著优于现有的基于点和基于轮廓的方法，同时也提供了稳定的跨视角结果。（3）在户外环境中，LiDAR 传感器优于 RGB 相机用于步态识别。源代码与数据集已发布于 https://lidargait.github.io。
引用
@article{arxiv.2211.10598,
title = {LidarGait: Benchmarking 3D Gait Recognition with Point Clouds},
author = {Chuanfu Shen and Chao Fan and Wei Wu and Rui Wang and George Q. Huang and Shiqi Yu},
journal= {arXiv preprint arXiv:2211.10598},
year = {2023}
}
备注
15 pages, 15 figures, 4 tables