基于图网络在超大规模人口数据库上的模型驱动步态识别
计算机视觉与模式识别
2021-12-21 v1
摘要
目前，现有步态识别系统致力于发展从轮廓图像中提取鲁棒步态特征的方法，并确实取得了巨大成功。然而，步态可能对衣着和携带物品等表观特征敏感。与基于表观的方法相比，基于模型的步态识别因对这些变化具有鲁棒性而颇具前景。近年来，随着人体姿态估计的发展，基于模型的步态识别方法的困难得以缓解。本文中，为抵御受试者数量增加与视角变化，我们构建了局部特征并提出一个孪生网络以最大化同受试者样本间的距离。我们利用动作识别的最新进展将人体姿态序列嵌入为向量，并引入常用于动作识别的空间-时间图卷积块（STGCB）用于步态识别。在名为 OUMVLP-Pose 的极大型人口数据集以及流行数据集 CASIA-B 上的实验表明，我们的方法在基于模型的步态识别中取得了一些最先进（SOTA）性能。我们的方法代码与模型在录用后发布于 https://github.com/timelessnaive/Gait-for-Large-Dataset。
引用
@article{arxiv.2112.10305,
title = {Model-based gait recognition using graph network on very large population database},
author = {Zhihao Wang and Chaoying Tang},
journal= {arXiv preprint arXiv:2112.10305},
year = {2021}
}