基于骨骼的打字风格学习用于人员识别

我们提出了一种基于打字风格的人员识别新架构，其由自适应非局部时空图卷积网络构成。由于打字风格动态传递了可用于人员识别的有意义信息，我们提取关节位置并进而学习其运动动态。我们的非局部方法在分析关节位置而非RGB数据时，增强了对噪声输入数据的鲁棒性，同时提供了对交替环境条件的显著鲁棒性，例如光照、噪声等。我们进一步提出了两个用于基于打字风格的人员识别任务的新数据集，以及广泛的评估，显示出与最先进的基于骨骼的模型相比，我们模型具有更优的判别与泛化能力。