运动至关重要：一种用于跨视角步态特征学习的新型运动建模
计算机视觉与模式识别
2023-10-03 v2
摘要
作为一种可在远距离感知的独特生物特征，步态在人员认证、社会安全等方面有广泛应用。现有步态识别方法受视角和衣着变化影响，且几乎未考虑从步态序列中提取多样的运动特征这一步态基本特性。本文提出一种新型运动建模方法来提取具有判别性且鲁棒的表示。具体而言，我们首先从浅层编码的运动序列中提取运动特征，然后在深层持续增强运动特征。该运动建模方法独立于构建网络架构的主流工作。因此，可将此运动建模方法应用于任何骨干网络以提升步态识别性能。本文我们将运动建模与一种常用骨干网络~(GaitGL) 结合为 GaitGL-M 以阐释运动建模。在两个常用跨视角步态数据集上的大量实验结果表明，GaitGL-M 优于现有最先进方法。
引用
@article{arxiv.2210.11817,
title = {Motion Matters: A Novel Motion Modeling For Cross-View Gait Feature Learning},
author = {Jingqi Li and Jiaqi Gao and Yuzhen Zhang and Hongming Shan and Junping Zhang},
journal= {arXiv preprint arXiv:2210.11817},
year = {2023}
}