用于步态识别中行为模式提取的序列卷积网络
计算机视觉与模式识别
2021-08-30 v1
摘要
作为一种独特且有前景的生物特征,基于视频的步态识别具有广泛应用。该方法的关键步骤是学习个体的行走模式,然而这常常面临直接从序列中提取行为特征的挑战。大多数现有方法仅关注外观或运动模式之一。为克服这些局限,我们从新颖视角提出序列卷积网络(SCN),其中时空特征可由基础卷积骨干学习。在SCN中,行为信息提取器(BIE)通过运动模板构建,以理解时间序列中的中间特征图,从而可分析帧间关系,进而提炼行走模式的信息。此外,SCN中的多帧聚合器通过移动3D卷积层对长度不确定的序列进行特征整合。为证明有效性,我们在两个流行的公开基准CASIA-B和OU-MVLP上进行了实验,结果表明我们的方法相较于最先进的方法具有优越性能。
引用
@article{arxiv.2104.11473,
title = {Sequential convolutional network for behavioral pattern extraction in gait recognition},
author = {Xinnan Ding and Kejun Wang and Chenhui Wang and Tianyi Lan and Liangliang Liu},
journal= {arXiv preprint arXiv:2104.11473},
year = {2021}
}