基于全卷积神经网络的不完整步态周期人体识别
计算机视觉与模式识别
2018-04-24 v1
摘要
步态作为一种用于人体识别的生物特征属性,在视频监控与安全应用中起着关键作用。在步态识别中,通常从完整的一个步态周期提取诸如步态能量图(GEI)之类的步态特征。然而在许多情况下,由于遮挡,这样的完整步态周期可能不可用。因此 GEI 不完整,导致基于步态的人体识别率下降。在本文中,我们通过在仅有少量(甚至单帧)帧可用时从步态特征识别个体的问题,提出一种新方法来解决该问题。为此,我们提出一种基于深度学习的方法,将不完整的 GEI 转换为从完整步态周期获得的相应完整 GEI。更确切地说,该转换通过独立训练若干自编码器然后将其组合为一个统一模型来逐步完成。在两个公开步态数据集 OULP 和 Casia-B 上的实验结果证明了所提方法在处理极不完整步态周期时的有效性。
引用
@article{arxiv.1804.08506,
title = {Person Identification from Partial Gait Cycle Using Fully Convolutional Neural Network},
author = {Maryam Babaee and Linwei Li and Gerhard Rigoll},
journal= {arXiv preprint arXiv:1804.08506},
year = {2018}
}