基于证据鲁棒跨视角步态识别：一种判别性步态GAN（DiGGAN）方法
计算机视觉与模式识别
2020-09-18 v3
摘要
在过去的几十年中，步态作为一种生物特征在许多安全和隐私应用（如身份识别和认证）中引起了广泛关注。由于其作为远距离生物特征的特性，步态可以轻松采集并通过闭路电视（CCTV）摄像头非侵入式地识别个体。然而，由于步态可能受到许多协变量因素（如衣着、步行速度、摄像机视角等）的影响，开发鲁棒的自动化步态识别系统非常困难。其中，大视角变化被认为是最具挑战性的因素，因为它会显著改变整体步态外观。由于这种视角变化，现有的步态识别工作远不足以提供令人满意的性能。此外，极少有工作考虑证据——即可揭示决策可靠性的可证明信息，在基于机器学习的识别/认证应用中，这被视为重要需求。为解决这些问题，本文提出一种判别性步态生成对抗网络，即DiGGAN，它能有效提取视角不变特征用于跨视角步态识别；更重要的是，将步态图像转换到不同视角——作为证据并展示决策是如何做出的。在两个最流行的跨视角步态数据集OU-MVLP和CASIA-B上进行了定量实验，所提出的DiGGAN优于最先进（SOTA）方法。还提供了定性分析，证明了所提出的DiGGAN在提供证据方面的能力。
引用
@article{arxiv.1811.10493,
title = {Robust Cross-View Gait Recognition with Evidence: A Discriminant Gait GAN (DiGGAN) Approach},
author = {BingZhang Hu and Yu Guan and Yan Gao and Yang Long and Nicholas Lane and Thomas Ploetz},
journal= {arXiv preprint arXiv:1811.10493},
year = {2020}
}
备注
Submitted to ACM Transactions on Intelligent Systems and Technology