基于稀疏毫米波雷达点云的开放集步态识别
计算机视觉与模式识别
2025-07-08 v4 信号处理
摘要
采用毫米波雷达设备进行人体感知，特别是步态识别，由于其高效性、对环境条件的适应性以及隐私保护特性，近期受到了广泛关注。在本工作中，我们解决了基于稀疏毫米波雷达点云的开放集步态识别（OSGR）这一具挑战性的问题。与大多数假设闭集场景的现有研究不同，我们的工作考虑了更现实的开放集情况，即在推理时可能存在未知主体，且系统应能正确识别它们。点云非常适合资源受限的边缘计算应用，但与微多普勒特征等更常见的表示相比，它受噪声和随机波动的影响更大。这是第一项使用稀疏点云数据解决开放集步态识别的工作。为此，我们提出了一种新颖的神经网络架构，将监督分类与点云的无监督重建相结合，创建了一个稳健、丰富且高度正则化的步态特征潜在空间。为了在推理时检测未知主体，我们引入了一种概率新颖性检测算法，该算法利用结构化的潜在空间，并在推理速度和预测精度之间提供可调的权衡。随附本文，我们发布了 mmGait10，这是一个原创的人体步态数据集，包含 10 名受试者在不同步行模式下的超过 5 小时的测量数据。广泛的实验结果表明，与适配于点云的最先进方法相比，我们的解决方案在多个开放度级别上的 F1-Score 平均提升了 24%。
引用
@article{arxiv.2503.07435,
title = {Open-Set Gait Recognition from Sparse mmWave Radar Point Clouds},
author = {Riccardo Mazzieri and Jacopo Pegoraro and Michele Rossi},
journal= {arXiv preprint arXiv:2503.07435},
year = {2025}
}