基于部分表示注意力循环学习的视角不变步态识别
计算机视觉与模式识别
2020-10-20 v1 机器学习
摘要
步态识别是指根据行人行走时身体运动所获取的特征对其进行身份识别。尽管基于深度学习的步态识别近期取得了进展，但数据采集与外观的变化，即相机角度、受试者姿态、遮挡和衣着，仍是构建准确步态识别系统所需考虑的挑战性因素。本文提出一种网络，首先学习从帧级卷积特征中提取步态卷积能量图（GCEM）；随后采用双向循环神经网络从GCEM的分割条带中学习，从而利用所学部分时空表示之间的关系。接着，我们使用注意力机制选择性地聚焦于重要的循环学习部分表示，因为不同场景下的身份信息可能位于不同的GCEM条带中。我们所提出的模型已在两个大规模步态数据集CASIA-B和OU-MVLP上使用四种不同测试协议进行了广泛测试，并与若干最先进（SOTA）方法和基线方案进行了比较。此外，还开展了综合实验以研究模型在六种不同合成遮挡下的鲁棒性。实验结果表明了所提方法的优越性，其性能优于最先进方法，尤其在遇到不同衣着和携带条件的场景中。结果还显示，与最先进方法相比，我们的模型对不同遮挡具有更强的鲁棒性。
引用
@article{arxiv.2010.09092,
title = {View-Invariant Gait Recognition with Attentive Recurrent Learning of Partial Representations},
author = {Alireza Sepas-Moghaddam and Ali Etemad},
journal= {arXiv preprint arXiv:2010.09092},
year = {2020}
}
备注
Accepted in IEEE Transactions on Biometrics, Behavior, and Identity Science (T-BIOM)