本文是首例将深度学习应用于步态识别任务的研究，重点探讨了多视角和行走状态下的步态识别。通过深度卷积神经网络（Deep CNNs），在CASIA-B、OU-IRIS和USF数据库上取得优秀性能。网络框架包括匹配局部特征（LB）、匹配中级特征（MT）和匹配全局特征（GT）的二输入网络，以及双流网络和3D CNN。实验表明，与传统方法相比，这种方法具有显著优势，但也揭示了数据量限制和过拟合问题。
[PAMI 17]A Comprehensive Study on Cross-View Gait Based Human Identification with Deep CNNs
Zifeng Wu, Yongzhen Huang, Liang Wang, Xiaogang Wang, and Tieniu Tan
from CAS-IA and CUHK
这篇文章是第一篇将深度学习引入步态识别任务的工作。文章的重点是在CASIA-B数据库上针对多视角和多行走状态的问题进行研究。模型在CASIA-B、OU-IRIS以及USF数据库上都有很好的性能表现。
Network Framework
LB, MT and GT
该工作使用的网络均是2输入网络：输入prob和gallery的GEI，输出两者是否来自于同一个体。本质上网络涉及到“特征提取”和“特征比较”两个过程。根据这两个过程的程度的不同，作者提出了三种不同的二输入网络。从左至右依次称为LB、MT、GT:
最低0.47元/天 解锁文章
扫一扫
4180
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
