(4)步态识别论文研读——增强时空显著性的跨视图步态识别

最新推荐文章于 2024-09-07 07:24:07 发布

小杜今天学AI了吗

最新推荐文章于 2024-09-07 07:24:07 发布

阅读量1k

点赞数 8

分类专栏：步态识别文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/qq_53536373/article/details/137893468

版权

步态识别专栏收录该内容

14 篇文章 3 订阅

订阅专栏

Enhanced Spatial-Temporal Salience for Cross-View Gait Recognition

Enhanced Spatial-Temporal Salience for Cross-View Gait Recognition | IEEE Journals & Magazine | IEEE Xplore

摘要:步态识别可以单独或与其他生物特征相结合，用于个人识别和再识别。虽然步态同时具有空间和时间属性，空间特征和时间特征解耦可以更好地在细粒度层面上利用步态特征,但是，在解耦过程中也丢失了视频信号的时空相关性,直接的3d卷积方法可以保持这种相关性，但它们也引入了不必要的干扰。本文提出了一种将解耦过程集成到三维卷积框架中的方法，用于跨视图步态识别。特别地，提出了一个由Parallel-insight卷积层和时空双注意(STDA)单元组成的新块作为全局时空信息提取的基本块。在STDA单元的引导下，该块可以很好地整合两个解耦模型提取的时空信息，同时保持时空相关性。此外，提出了一种多尺度显著特征提取器，通过对基于部件的特征进行上下文感知扩展并自适应聚合空间特征，进一步挖掘细粒度特征。在CASIA-B、OULP和OUMVLP三种常用的步态数据集上进行的大量实验表明，该方法优于目前最先进的方法。

I. I NTRODUCTION

如图1所示，ESNet由初始层和两个精心设计的组件组成，即Dual-Attention Guided Feature Extractor (DAGFE)和Multi-ScaleSalient Feature Extractor (MSSFE)。具体来说，DAGFE 是一个特殊的堆叠 CNN，它具有多个专门设计的块，并以浅时空特征作为输入。DAGFE 中的每个块都可以并行提取联合时空和单个时空域的信息，然后将所有信息以直观但有效的方式组合。因此，我们可以提取更高质量的全局时空特征，而不会丢失两个域之间的相关性。随后，提出了从全局时空特征中挖掘细粒度特征MSSFE，可以进一步提高特征表示ESNet的能力。更具体地说，我们做出了以下三个主要贡献:1在DAGFE中，我们提出了一种新的时空提取层，称为并行洞察卷积(Pi-Conv)层，以实现直接3D卷积和解耦建模的协同作用。核心思想是，以实现并行卷积感知和提取其核心思想是使并行卷积能够感知和提取不同域的信息。在DAGFE中，我们设计了一个简单而有效的注意力单元，即STDA单元。这是第一个专门为基于轮廓序列的步态识别设计的注意方法。采用注意方法，STDA 单元可以自适应调整Pi-Conv层的输出，实现直接三维卷积和解耦建模的更好集成。

MSSFE进一步获得突出和紧凑的细粒度特征。与直接对全局时空特征进行水平切片得到基于部件的特征不同，MSSFE扩展了每个部件的上下文感知范围来捕获相邻部件之间的关系，并自适应地聚合空间特征，从而更有效地促进了基于部件的鲁棒性特征学习。

2 整体实现流程：

XS = {x i |i = 1, 2, . . . , t }——输入进two initial layers （两个3DCNN）获取时空特征输出f【B,10,32,64,44】——reshape 操作——MSSFE包含两个操作其中 MSSD 表示多尺度显着性描述符，可以提高每个部分的空间上下文感知并有效地提取显着基于部分的特征。MSSA表示多尺度显着性聚合器，它使用自适应地聚合 MSSD 获得的特征，获得紧凑的特征表示。最后，采用几个separate FC层将特征向量映射到metric空间，用于最终的个体识别。

双注意引导特征提取器(Dual-Attention Guided Feature Extractor, DAGFE)

由三个串联块组成，旨在提取高质量的全局时空特征。如图2(a)所示，每个块由两个主要部分组成，一个是平行洞察卷积(Pi-Conv)层，另一个是空间- 时间双重注意(STDA)单元。在这一部分中，将首先详细描述Pi-Conv层和STDA单元，然后对每个模块进行总体说明。

1) Pi-Conv层:

a)定义:Pi-Conv层是一种基于三维卷积的新型时空特征提取层，包含三个不同核数的并行三维卷积。这三个并行的3D卷积分别在输入特征图上执行，它们的输出以元素方式添加。

b)动机:为了通过三维卷积将时空特征的解耦学习和关系保持组装起来，开发了Pi-Conv层。如图2(b)所示，可以通过设置Pi-Conv层的核大小来确定神经元的洞察域。核大小为k1 × k1 × k1的三维卷积(图2(b)左)是一种规则的三维卷积操作，可以同时提取时空信息。核大小为k2 × 1 × 1(图2(b)中)和1 × k3 × k3(图2(b)右)的3D 个卷积分别可以实现个独立的时域和空域特征提取，分别为个。这种并行洞察卷积设计保证了时空信息的协同，同时提取了高质量的时空特征，使两种基于序列的建模方法的优势得以充分发挥。

2) STDA单元:

a)定义:STDA单元是一个简单而有效的注意模块，专为基于轮廓序列的步态识别而设计。如图2(c)所示 STDA单元由两个简单的注意分支和几个元素算术运算组成

b)动机:将解耦的(时空)建模与直接的3D卷积有效整合，可以获得更鲁棒的时空特征。为此，设计了STDA单元并注入到每个块的封头中(将图2(c)注入到图2(a)中)。考虑到步态识别的二进制轮廓输入，我们抛弃了非局部注意机制，（将通道维度池化）因为他的输入是缺乏颜色和纹理，该机制计算每对像素位置的相似性或明确建模通道相互依赖(例如CBAM[43]或SENet [42])相反，STDA单元由两个简单的分支组成。时间注意分支(图2(c)中的左分支)探索时间特征之间的相关性，空间注意分支(图2(c)中的右分支)探索空间域中的语义鲁棒性特征。通过双注意分支的并行设计，可以激活输入中的关键空间和时间信息。通过将STDA单元嵌入Pi-Conv层的头部，期望STDA单元能够自适应调整Pi-Conv层提取的时空信息，从而更好地实现解耦时空特征提取与直接三维卷积的融合

该模块总体框架：

多尺度显著特征提取器多尺度显著特征提取器(MSSFE)

是为进一步的显著性和判别性零件特征提取而设计的。具体结构如图3所示。对于DAGFE的输出XF∈RN×C×T ×H×W，我们希望通过H轴上不同的个水平部分，挖掘出多样化、鲁棒性的细粒度特征。如第III-A节所述，首先进行重塑(RS)操作，使XF的432空间特征平坦化，以满足MSSFE的输入要求。MSSFE可以分解为一个多尺度显著描述符(MSSD)和一个多尺度显著聚合器(MSSA)。接下来，将分别对MSSD和MSSA进行详细介绍。

1) MSSD:

a)定义:MSSD是扩张卷积的一种新应用，它包含多个多尺度1D卷积，即多尺度Conv1d(如图3所示)，，每个多尺度Conv1d由多个平行的不同扩张率的1D卷积组成。设n为预先定义的并行1D卷积的数字,d1, d2，…， dn分别表示这些平行一维卷积的膨胀率。其中，当n = 1.时，Multi-Scale Conv1d是等价于普通1D卷积层的-。

b)动机:人体的每个部位之间都有的依赖关系，尤其是相邻部位之间。为了增强基于零件的空间特征的细粒度学习，避免丢失相邻零件之间的关系，设计了MSSD。如图2所示，与XF的直接水平拼接相比，各部分的上下文感知范围随着膨胀率的逐渐增大而扩大，从而可以捕捉到相邻部分之间的关系。此外，具有多个不同膨胀率的并行1D卷积使每个部分能够感知多尺度上下文。通过这种方法，可以获得更加多样化和鲁棒的基于零件的特征表示。

c)操作:如图3所示，首先将重塑后的输入feature图X F∈RN×C×T X (H×W)沿T维切片，每个切片分别发送到Multi- Scale Conv1d。然后对每个切片执行常规卷积操作。请注意，每个切片的这些Multi-Scale Conv1ds是参数共享的。之后，沿着通道连接每个片的个输出。然后将所有这些切片的输出组合为整个输出特征图，并反向重塑以恢复形状，如XF。从而生成形状为N × nC × T × H × W的多尺度特征描述子。通常，在特征描述符上应用全局最大池化(GMP)操作来获得最终的多尺度特征ZF∈RN×nC×H×W

2) MSSA:475 a)定义:MSSA的行为就像一个多尺度显著性特征受体，可以感知哪些基于部分的多尺度特征是判别性的，需要保留。执行突出特征选择和各部分自适应空间特征聚合。

b)操作