RobustGait：面向外观基准步态识别的鲁棒性分析
计算机视觉与模式识别
2026-02-26 v2
摘要
外观基准步态识别在受控数据集上取得了显著的性能，但对现实世界噪声和身体姿态变异的鲁棒性系统评估仍不完善。我们提出RobustGait，一个用于细粒度评估外观基准步态识别系统鲁棒性的框架。RobustGait的评估涵盖四个维度：扰动类型（数字、环境、时间、遮挡）、身体姿态提取方法（分割网络与解析网络）、步态识别模型的架构能力，以及各种部署场景。本基准在CASIA-B、CCPG和SUSTech1K上引入15种扰动，分别设置5个严重程度等级，并在MEVID上进行野外验证，评估了六种最先进的步态系统。我们发现了若干有趣的发现。首先，针对RGB层级施加噪声更能反映真实环境降解，并揭示了这种扰动如何通过身体姿态提取传播至下游步态识别系统。其次，步态准确率对身体姿态提取器的偏差高度敏感，这一被忽视的基准偏差来源被揭示出来。第三，鲁棒性取决于扰动类型和网络架构设计。最后，我们探索了鲁棒性增强策略，表明噪声感知训练和知识蒸馏能提升性能，使系统更接近部署就绪状态。代码已公开 https://reeshoon.github.io/robustgaitbenchmark
引用
@article{arxiv.2511.13065,
title = {RobustGait: Robustness Analysis for Appearance Based Gait Recognition},
author = {Reeshoon Sayera and Akash Kumar and Sirshapan Mitra and Prudvi Kamtam and Yogesh S Rawat},
journal= {arXiv preprint arXiv:2511.13065},
year = {2026}
}
备注
IEEE WACV'26 Main Conference