步态识别新论文学习——《Gait Recognition from a Single Image using a Phase-Aware Gait Cycle Reconstruction Netw》

步态识别最新论文学习

《Gait Recognition from a Single Image using a Phase-Aware Gait Cycle Reconstruction Network》

出处：ECCV 2020

论文PDF

 

摘要：

我们提出了一种仅从单个步态即可识别步态的方法 图像首次启用，可实现无延迟的步态识别。为了缓解由匹配的一对输入单幅图像之间的相位（步态姿势）差异引起的较大的受试者内部变化，我们首先使用自动编码器框架从单幅图像重建图像序列的完整步态周期，然后将其输入最先进的步态识别网络进行匹配。具体地，为输入的单个图像引入了相位估计网络，步态周期重建网络利用估计的相位来减轻编码特征对该单个图像相位的依赖性。这称为相位感知步态周期重建器（PA-GCR）。在训练阶段，同时优化了PA-GCR和识别网络，以在重建和识别精度之间取得良好的平衡。对三个步态数据集的实验证明了 该方法的性能改进。

 

总体框架：

 论文提出来一种生成式的新模块，该模块是以GaitSet网络为基础骨架的，利用一帧图像可以重建出整个序列（有数据增强的作用）。

PA-GCR模块分为四个主要部分，分别是：

1. Encoder
2. Phase estimator
3. Feature transformer
4. Decoder

值得关注的是，为了更好地重建整个序列，该论文提出一种步态相位表示方法：

这里的相位表示作为一种辅助约束，。第三部分的特征转换器的作用是将相位相关特征转化为相位独立特征，目的是希望相同个体在不同相位下仍具有类似的特征。

损失函数：

 

分为三部分，第一部分为相位独立特征的相似性约束，第二部分为重建后特征与真值的相似性约束，第三部分为原来的GaitSet所使用的三元损失函数。