GaitSet：通过交叉视角步态识别

最新推荐文章于 2023-12-16 16:09:57 发布

小白学视觉

最新推荐文章于 2023-12-16 16:09:57 发布

阅读量1.4k

点赞数 3

分类专栏：论文解读文章标签： python 计算机视觉机器学习人工智能深度学习

本文链接：https://blog.csdn.net/qq_42722197/article/details/113812899

版权

GaitSet是一种端到端的深度学习模型，用于步态识别。它通过步态框架集提取特征，利用集合池和全局-局部融合深度网络，形成对步态的深层表示。该方法在CASIA-B和OU-MVLP数据集上表现出高识别精度和对不同条件的鲁棒性。

摘要由CSDN通过智能技术生成

点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达

小白导读

论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。

摘要

步态是一种独特的生物特征，可以在一定距离内被识别;因此，它在犯罪预防、司法鉴定、社会保障等方面有着广泛的应用。为了描述步态，现有的步态识别方法要么使用难以保存时间信息的步态模板，要么使用保留不必要的序列约束从而丧失步态识别灵活性的步态序列。在本文中,作者提出一个新颖的视角,采用步态作为一套深,这意味着一套步态框架由一个全球性的本土集成融合深度网络受左,右半球处理信息的方式学习信息,可用于识别。基于这种深集视角，作者的方法不受帧排列的影响，可以很自然地将不同场景下获取的不同视频帧进行整合，比如不同的观看角度，不同的衣服，或者不同的携带物品的情况。实验表明，在正常步行条件下，作者的单模型方法在CASIA-B步态数据集上的平均秩1精度达到96.1%，在OU-MVLP步态数据集上的平均秩1精度达到87.9%。在各种复杂的场景下，作者的模型也表现出高度的健壮性。在提包行走和穿大衣行走条件下，CASIA-B的准确率分别达到90.8%和70.3%，显著优于现有的最