迈向对基于骨架的步态识别的更深理解
计算机视觉与模式识别
2022-04-19 v1
摘要
步态识别是一种很有前景的生物特征识别技术，具有独特属性，可通过行走模式在远距离识别个体。近年来，大多数步态识别方法使用人的轮廓来提取步态特征。然而，轮廓图像会丢失细粒度空间信息，遭受（自身）遮挡，并且在真实场景中获取困难。此外，这些轮廓还包含并非真实步态特征的其他视觉线索，可用于识别，也可用于欺骗系统。基于模型的方法不受这些问题困扰，并能表示身体关节的时间运动，即真实的步态特征。人体姿态估计的进展开启了基于模型的步态识别新时代，即基于骨架的步态识别。在本工作中，我们提出一种基于图卷积网络(GCNs)的方法，将高阶输入与残差网络结合到一个高效的步态识别架构中。在两个流行的步态数据集CASIA-B和OUMVLP-Pose上的大量实验表明，在最大的步态数据集OUMVLP-Pose上最先进水平(SotA)得到大幅提升（3倍），并展现出强大的时间建模能力。最后，我们对方法进行可视化以更好地理解基于骨架的步态识别，并表明我们建模的是真实步态特征。
引用
@article{arxiv.2204.07855,
title = {Towards a Deeper Understanding of Skeleton-based Gait Recognition},
author = {Torben Teepe and Johannes Gilg and Fabian Herzog and Stefan Hörmann and Gerhard Rigoll},
journal= {arXiv preprint arXiv:2204.07855},
year = {2022}
}
备注
8 Pages, 5 figures, Accepted at 17th IEEE Computer Society Workshop on Biometrics 2022 (CVPRW'22)