Motion Gait：基于运动激励的步态识别
计算机视觉与模式识别
2022-06-23 v1
摘要
步态识别能够实现远距离、非接触式身份识别，是一项重要的生物特征技术。现有步态识别方法侧重于学习行走过程中人体运动或外观的模式，并构建相应的时空表示。然而，不同个体具有自身的运动模式规律，简单的时空特征难以描述人体部位的运动变化，尤其在存在衣着、携带物等干扰变量时，特征的可区分性随之降低。本文提出运动激励模块（MEM）以引导时空特征关注具有较大动态变化的人体部位；MEM学习帧间与间隔间的差分信息，从而获得时间运动变化的表示。值得一提的是，MEM可适应长度不确定的帧序列，且不引入任何额外参数。此外，我们提出精细特征提取器（FFE），其依据人体的不同水平部位独立学习时空表示。得益于MEM与FFE，我们的方法创新性地融合了运动变化信息，显著提升了模型在跨外观条件下的性能。在主流数据集CASIA-B上，我们所提的Motion Gait优于现有步态识别方法。
引用
@article{arxiv.2206.11080,
title = {Motion Gait: Gait Recognition via Motion Excitation},
author = {Yunpeng Zhang and Zhengyou Wang and Shanna Zhuang and Hui Wang},
journal= {arXiv preprint arXiv:2206.11080},
year = {2022}
}