能躲藏但无法逃避：利用内禀遮挡类型感知提升步态识别

尽管步态识别近年来取得了诸多进展，但遮挡问题在很大程度上被忽视了。对于远距离非受控室外序列的步态识别而言，这个问题尤为重要，因为任何微小的遮挡都可能影响识别系统。目前大多数方法在提取步态特征时假设能够获取完整的身体信息。当身体部分被遮挡时，这些方法可能会产生幻觉并输出损坏的步态签名，因为它们试图寻找输入中根本不存在的身体部位。为了解决这个问题，我们在从视频中提取身份特征时利用了学习到的遮挡类型。因此，在本文中，我们提出了一种遮挡感知的步态识别方法，该方法可用于将内禀遮挡感知建模到几乎任何最先进的步态识别方法中。我们在具有挑战性的 GREW 和 BRIAR 数据集上的实验表明，增强了这种遮挡感知的网络在识别任务中的表现优于在相似遮挡下训练的对应网络。