OpenGait：重新审视步态识别以提升实际可用性
计算机视觉与模式识别
2023-03-23 v3
摘要
步态识别是最关键的长距离识别技术之一，并在研究与工业界日益受到关注。尽管在室内数据集上已取得显著进展，大量证据表明步态识别技术在真实场景中表现不佳。更重要的是，我们还发现从室内数据集得出的一些结论无法推广到实际应用。因此，本文的主要目标是呈现一项面向更好实际可用性的综合基准研究，而非仅追求更高性能的特定模型。为此，我们首先开发了一个灵活高效的步态识别代码库 OpenGait。基于 OpenGait，我们通过重新开展消融实验深入重新审视步态识别的近期发展。令人鼓舞的是，我们发现了某些已有工作的不完善之处，以及新的见解。受这些发现启发，我们开发了一个结构简洁、经验上强大且实际鲁棒的基线模型 GaitBase。在实验上，我们在多个公开数据集上将 GaitBase 与许多当前步态识别方法进行了全面比较，结果反映出 GaitBase 在大多数情况下无论室内或室外均取得显著强劲的性能。代码见 https://github.com/ShiqiYu/OpenGait。
引用
@article{arxiv.2211.06597,
title = {OpenGait: Revisiting Gait Recognition Toward Better Practicality},
author = {Chao Fan and Junhao Liang and Chuanfu Shen and Saihui Hou and Yongzhen Huang and Shiqi Yu},
journal= {arXiv preprint arXiv:2211.06597},
year = {2023}
}