基于骨架的步态识别中的空间变换网络
计算机视觉与模式识别
2022-04-11 v1
摘要
基于骨架的步态识别模型通常面临鲁棒性问题，其 Rank-1 准确率在正常行走情形下为 90%，而在穿外套行走情形下降至 70%。在本工作中，我们提出一种最先进的鲁棒基于骨架的步态识别模型 Gait-TR，它基于空间变换框架与时序卷积网络的组合。Gait-TR 在知名步态数据集 CASIA-B 上以更高准确率和更好鲁棒性显著优于其他基于骨架的步态模型。尤其在穿外套行走情形下，Gait-TR 取得了 90% 的 Rank-1 步态识别准确率，高于基于轮廓模型的最佳结果，而基于轮廓模型通常比基于骨架的步态识别模型具有更高准确率。此外，我们在 CASIA-B 上的实验表明，空间变换器比广泛使用的图卷积网络能更好地从人体骨架中提取步态特征。
引用
@article{arxiv.2204.03873,
title = {Spatial Transformer Network on Skeleton-based Gait Recognition},
author = {Cun Zhang and Xing-Peng Chen and Guo-Qiang Han and Xiang-Jie Liu},
journal= {arXiv preprint arXiv:2204.03873},
year = {2022}
}