VGR-Net：一种视角不变的步态识别网络
计算机视觉与模式识别
2019-03-26 v1
摘要
生物识别系统因其高可靠性和高效性已变得极为流行和重要。然而远距离人员识别仍是一个具有挑战性的问题。步态可视为人体识别与辨识的基本生物特征。它可从远距离轻松获取且不需要任何用户配合，从而适用于监控。但利用步态识别个体的任务会受到视角变化的负面影响，使该任务愈发具有挑战性。我们提出的方法通过识别时空特征并执行广泛的实验与训练机制来解决此问题。本文中，我们提出一种用于多视角下基于步态的人员识别的 3-D 卷积深度神经网络。它是一个两阶段网络，其中我们有一个分类网络首先识别视角角度。此后训练另一组网络（每个角度一个）以在特定视角下识别人员。我们在公开可用的 CASIA-B 数据库上测试了该网络，并取得了最先进的结果。所提出的系统在时间与空间上更为高效，且对几乎所有角度表现更优。
引用
@article{arxiv.1710.04803,
title = {VGR-Net: A View Invariant Gait Recognition Network},
author = {Daksh Thapar and Divyansh Aggarwal and Punjal Agarwal and Aditya Nigam},
journal= {arXiv preprint arXiv:1710.04803},
year = {2019}
}
备注
Accepted in ISBA (IEEE International conference on Identity, Security and Behaviour Analysis)-2018