视频监控中基于步态特征的实时鲁棒多视角性别分类
计算机视觉与模式识别
2019-05-06 v1
摘要
在实际应用中，常会看到人们以任意方向行走、携带物品或穿着厚重外套。这些因素对基于步态的应用方法构成了挑战，因为它们会显著改变人的外观。本文提出了一种利用步态信息进行实时人类性别分类的新方法。使用平均步态图像（AGI）而非步态能量图像（GEI），使该方法在计算上高效且对视角变化具有鲁棒性。构建了视点（VP）模型，用于在测试阶段自动确定视角。构建了距离信号（DS）模型，用于从轮廓中移除任何带有附着物（携带物品、穿着外套）的区域，以减少对分类结果的干扰。最后，使用通过支持向量机训练的多个视角相关分类器对人类性别进行分类。实验结果证实，所提方法在 CASIA Dataset B 上达到了 98.8% 的高准确率，并优于近期最先进的方法。
引用
@article{arxiv.1905.01013,
title = {Real-time and robust multiple-view gender classification using gait features in video surveillance},
author = {Trung Dung Do and Hakil Kim and Van Huan Nguyen},
journal= {arXiv preprint arXiv:1905.01013},
year = {2019}
}
备注
14 pages, 8 figures, 8 tables, journal paper