步态识别
文章平均质量分 94
步态识别前沿进进展,步态识别算法复现,步态识别论文翻译,步态识别论文笔记
顾道长生'
时人不识凌云木,直待凌云始道高。
展开
-
(CVPR-2023)用于步态识别的动态聚合网络
步态识别有利于多种应用,包括视频监控、犯罪现场调查和社会安全等。然而,步态识别在实际场景中常常受到多种外部因素的影响,例如携带条件、穿着大衣、不同的视角等。近年来,各种基于深度学习的步态识别方法取得了可喜的成果,但它们往往使用固定权重的卷积网络来提取显着特征之一,没有很好地考虑关键区域步态特征之间的关系,并且忽略忽略了完整运动模式的聚合。在本文中,我们提出了一个新的观点,即实际步态特征包括多个关键区域的全局运动模式,并且每个全局运动模式由一系列局部运动模式组成。原创 2023-08-23 17:14:45 · 938 阅读 · 0 评论 -
(ICIP-2022)GAITTAKE:通过时间注意和关键点引导嵌入进行步态识别
步态识别是指根据远距离采集的视频数据,根据人的体型和行走方式对人进行识别或识别,广泛应用于犯罪预防、法医鉴定和社会保障等领域。然而,据我们所知,大多数现有方法都使用外观、姿势和时间特征,而没有考虑用于全局和局部信息融合的学习时间注意机制。在本文中,我们提出了一种新颖的步态识别框架,称为时间注意和关键点引导嵌入(GaitTAKE),它有效地融合了基于时间注意的全局和局部外观特征以及时间聚合的人体姿势特征。原创 2023-06-16 15:41:35 · 672 阅读 · 0 评论 -
(CVPR-2023)通过有效的时空特征融合进行多模态步态识别
步态识别是一种生物识别技术,通过步行模式识别人。基于剪影的方法和基于骨架的方法是两种最流行的方法。但是剪影数据容易受到衣服遮挡的影响,骨架数据缺乏体型信息。为了获得更稳健、更全面的步态识别表示,我们提出了一种基于 transformer 的步态识别框架,称为 MMGaitFormer,它有效地融合和聚合了来自骨架和轮廓的时空信息。具体来说,空间融合模块(SFM)和时间融合模块(TFM)分别被提出用于有效的空间级和时间级特征融合。原创 2023-06-05 20:12:13 · 5117 阅读 · 7 评论 -
(MM-2022)使用多跳时间转换在野外进行步态识别
现有的步态识别研究以实验室场景为主。由于人们生活在现实世界的感官中,因此野外步态识别是一个更实际的问题,最近引起了多媒体和计算机视觉界的关注。目前在实验室基准测试中获得最先进性能的方法在最近提出的野外数据集上的准确性要差得多,因为这些方法很难模拟不受约束场景中步态序列的变化时间动态。因此,本文提出了一种新颖的多跳时间转换方法,以实现对真实场景中步态模式的有效时间建模。具体而言,我们设计了一种名为多跳时间转换网络 (MTSGait) 的新型步态识别网络,以同时学习空间特征和多尺度时间特征。原创 2023-03-13 16:47:23 · 510 阅读 · 0 评论 -
(CVPR-2017)在身体和潜在部位学习深度上下文感知特征以进行行人重识别
行人重识别(ReID)是通过不同的摄像头识别同一个人。由于人体姿势、遮挡、背景杂乱等方面的巨大变化,这是一项具有挑战性的任务。如何提取强大的特征是 ReID 中的一个基本问题,并且在今天仍然是一个悬而未决的问题。在本文中,我们设计了一个多尺度上下文感知网络(MSCAN)来学习全身和身体部位的强大特征,它可以通过在每一层中堆叠多尺度卷积来很好地捕捉局部上下文知识。此外,我们提出使用具有新颖空间约束的空间变换器网络 (STN) 来学习和定位可变形的行人部件,而不是使用预定义的刚性部件。...原创 2022-08-10 18:32:57 · 685 阅读 · 0 评论 -
(ECCV-2022)GaitEdge:超越普通的端到端步态识别,提高实用性(续)
数据集。有一些可用的步态识别数据集,例如,CASIAB [26]、OUMVLP [21]、Outdoor-Gait [20]、FVG [30]、GREW [32] 等。但是,并非所有数据集都是对于基于端到端的步态识别方法很有用。例如,提出的工作不能应用两个世界上最大的步态数据集 OUMVLP [21] 和 GREW [32],因为它们都没有提供 RGB 视频。简而言之,我们理想的步态数据集拥有几个重要属性:可用的 RGB 视频、丰富的相机视角和多种步行条件。CASIA-B [26] 似乎是一个不错的选择。.原创 2022-08-05 21:59:33 · 920 阅读 · 0 评论 -
(ECCV-2022)GaitEdge:超越普通的端到端步态识别,提高实用性
步态是远距离识别个体的最有前途的生物识别技术之一。尽管以前的大多数方法都专注于识别轮廓,但一些直接从 RGB 图像中提取步态特征的端到端方法表现更好。然而,我们证明这些端到端方法可能不可避免地受到与步态无关的噪声的影响,即低级纹理和彩色信息。在实验上,我们设计了跨域评估来支持这一观点。在这项工作中,我们提出了一种名为 GaitEdge 的新型端到端框架,它可以有效地阻止与步态无关的信息并释放端到端的训练潜力。...原创 2022-08-02 17:16:53 · 1826 阅读 · 5 评论 -
(arxiv-2018) 重新审视基于视频的 Person ReID 的时间建模
基于视频的行人重识别是一项重要任务,由于监控和摄像头网络的需求不断增加,近年来备受关注。一个典型的基于视频的personreID系统由三部分组成图像级特征提取器(例如CNN)、聚合时间特征的时间建模方法和损失函数。尽管已经提出了许多时间建模方法,但很难直接比较这些方法,因为特征提取器和损失函数的选择对最终性能也有很大影响。我们全面研究和比较了四种不同的时间建模方法(时间池化、时间注意力、RNN和3D卷积网络),用于基于视频的行人reID。...原创 2022-07-27 15:44:20 · 978 阅读 · 0 评论 -
(ICCV-2021)TransReID:基于transformer的目标重识别
提取稳健的特征表示是目标重识别(ReID)的关键挑战之一。尽管基于卷积神经网络(CNN)的方法已经取得了巨大的成功,但它们一次只能处理一个局部邻域,并受到卷积和下采样操作(如池化和分层卷积)造成的细节信息损失的影响。为了克服这些限制,我们提出了一个纯粹的基于transformer的目标识别框架,名为TransReID。具体来说,我们首先将图像编码为一个patch序列,并通过一些关键的改进建立一个基于transformer的强基线,在几个ReID基准上取得了与基于CNN的方法相竞争的结果。链接。...原创 2022-07-21 15:01:15 · 3174 阅读 · 0 评论 -
(Applied Intelligence-2022)TransGait: 基于多模态的步态识别与集合Transformer
作为一种可以从远处识别的生物特征,步态在预防犯罪、司法鉴定和社会安全等方面有着广泛的应用。然而,步态识别仍然是一项具有挑战性的任务,在典型的步态识别方法中存在两个问题。首先,现有的步态识别方法对行人的衣服和携带物的鲁棒性很弱。第二,现有的步态识别的时间建模方法不能充分地利用序列的时间关系,并要求步态序列保持不必要的顺序约束。在本文中,我们提出了一个新的基于剪影和姿势特征的多模态步态识别框架来克服这些问题。轮廓和姿势的联合特征对行人的衣服和携带物具有很高的可判别性和鲁棒性。...原创 2022-07-20 07:51:14 · 2950 阅读 · 0 评论 -
(CVPR-2022)具有密集 3D 表示和基准的野外步态识别
现有的步态识别研究以二维表示为主,例如受限场景中的人体轮廓或骨架。然而,人类在不受约束的3D空间中生活和行走,因此将3D人体投影到2D平面上会丢弃很多关键信息,例如用于步态识别的视角、形状和动态信息。因此,本文旨在探索用于野外步态识别的密集3D表示,这是一个实际但被忽视的问题。特别的,我们提出了一个新的框架来探索用于步态识别的人体3DSkinnedMulti-PersonLinear(SMPL)模型,名为SMPLGait。链接。...原创 2022-07-18 14:01:40 · 1829 阅读 · 0 评论 -
(CVPR-2022)用于改进步态识别的拉格朗日运动分析和视角嵌入
步态被认为是人体的行走模式,包括形状和运动线索。然而,主流的基于外观的步态识别方法依赖于轮廓的形状。目前尚不清楚运动是否可以在步态序列建模中明确表示。在本文中,我们使用拉格朗日方程分析了人类步行,并得出结论,时间维度中的二阶信息对于识别是必要的。我们根据得出的结论设计了二阶运动提取模块。此外,通过分析当前的交叉视图任务方法没有明确考虑视图本身的问题,设计了一个轻量级的视角嵌入模块。在 CASIA-B 和 OU-MVLP 数据集上的实验表明了我们方法的有效性,并且对提取的运动进行了一些可视化以显示我们的运动提原创 2022-07-12 21:24:28 · 1027 阅读 · 0 评论 -
(TNNLS-2022)步态质量感知网络:面向轮廓步态识别的可解释性
由于步态识别可以在远距离以非侵入性方式进行,并应用于换衣服的情况,因此步态识别越来越受到人们的关注。现有的大多数方法都是以步态序列的轮廓作为输入,从多个轮廓中学习统一的表示,以匹配probe和gallery。然而,这些模型都面临着缺乏可解释性的问题,例如,不清楚步态序列中的哪个轮廓以及人体中的哪个部位对识别相对更重要。在这项工作中,我们提出了一种用于步态识别的步态质量感知网络(GQAN),该网络通过两个block明确评估每个轮廓和每个部分的质量:帧质量块(FQBlock)和部分质量块(PQBlock)。具体原创 2022-06-01 10:55:23 · 1900 阅读 · 2 评论 -
(TIP-2019)基于判别特征学习的跨视角步态识别
基于判别特征学习的跨视角步态识别paper题目:Cross-View Gait Recognition by Discriminative Feature Learningpaper是中国科学院大学发表在TIP 2019的工作paper地址:链接Abstract最近,由于卷积神经网络(CNN)的强大能力,基于深度学习的跨视角步态识别变得流行。当前的深度学习方法通常依赖于广泛用于人脸识别任务的损失函数,例如对比损失和三元组损失。这些损失函数存在难负样本挖掘的问题。本文提出了一种稳健、有效原创 2022-05-21 19:49:35 · 978 阅读 · 0 评论 -
(arxiv-2022)具有自适应距离对齐的时空步态特征
具有自适应距离对齐的时空步态特征paper题目:Spatio-temporal Gait Feature with Adaptive Distance Alignmentpaper是IEEE Fellow Xuelong Li发表在arxiv 2022的工作paper地址:链接Abstract步态识别是一项重要的识别技术,因为它不易伪装,识别目标不需要合作。然而,步态识别仍然存在严重挑战,即步行姿势相似的人经常被错误识别。本文尝试从网络结构的优化和提取的步态特征的细化两个方面来增加不同原创 2022-05-09 19:38:27 · 1653 阅读 · 3 评论 -
(AAAI-2019)STA:用于大规模基于视频的行人重识别的时空注意力
STA:用于大规模基于视频的行人重识别的时空注意力paper题目:STA: Spatial-Temporal Attention for Large-Scale Video-Based Person Re-Identificationpaper是贝克曼研究所发表在AAAI-2019的工作paper地址:链接Abstract这项工作提出了一种新颖的时空注意力 (STA) 方法来解决视频中的大规模行人重识别任务。与大多数现有的方法不同,这些方法简单地使用帧级聚合(例如平均池化)来计算视频剪原创 2022-05-06 16:39:32 · 1766 阅读 · 0 评论 -
(MTA-2020)用于行人重识别的多级多尺度水平池化网络
用于行人重识别的多级多尺度水平池化网络paper题目:Multi-level and Multi-scale Horizontal Pooling Network for Person Re-identificationpaper是东北大学发表在Multimedia Tools and Applications volume 2020的工作paper地址:链接Abstract尽管最近取得了显著进展,但行人重识别方法要么在关键身体部位丢失时失败,要么应用于一系列复杂程度不同的图像。为了缓原创 2022-04-26 16:14:13 · 1810 阅读 · 0 评论 -
(MM-2018)用于行人重识别的局部卷积神经网络
用于行人重识别的局部卷积神经网络paper题目:Local Convolutional Neural Networks for Person Re-Identificationpaper是中国科学技术大学发表在MM 2018的工作paper地址:链接ABSTRACT最近的工作表明,通过引入注意力机制可以显著改善行人重识别,该机制允许学习全局和局部表示。然而,所有这些工作都在不同的分支中学习全局和局部特征。因此,除了最终的特征嵌入层外,不允许全局和局部信息的交互/增强。本文提出将局部操作原创 2022-04-22 15:05:18 · 2910 阅读 · 1 评论 -
(ICIP-2021)手臂摆动在视频步态识别中具有判别性,可用于运动员重识别
手臂摆动在视频步态识别中具有判别性,可用于运动员重识别paper题目:THE ARM-SWING IS DISCRIMINATIVE IN VIDEO GAIT RECOGNITION FOR ATHLETE RE-IDENTIFICATIONpaper是代尔夫特理工大学发表在ICIP 2021的工作paper地址:链接ABSTRACT本文将跑步步态评估为长跑比赛中视频人员重新识别的属性。作者表明,在跨镜头检索任务中,与基于外观的方法相比,步态识别实现了具有竞争力的性能,并且步态和外观原创 2022-04-20 11:24:30 · 4379 阅读 · 0 评论 -
(BMVC-2021)GaitMask:基于掩码的步态识别模型
GaitMask:基于掩码的步态识别模型paper题目:GaitMask: Mask-based Model for Gait Recognitionpaper是北京交通大学发表在BMVC 2021的工作paper地址:链接Abstract步态识别是一项重要的生物识别技术,它通过使用步行姿势来识别一个人。最近,大多数步态识别方法要么将人类步态作为一个整体来生成全局特征表示(GFR),要么将人类步态等效地划分为多个局部区域以建立局部特征表示(LFR)。然而,我们观察到 LFR 或 GFR原创 2022-04-13 16:36:29 · 1051 阅读 · 0 评论 -
(ICCV-2015)使用 3D 卷积网络学习时空特征
使用 3D 卷积网络学习时空特征paper题目:Learning Spatiotemporal Features with 3D Convolutional Networkspaper是FAIR发表在ICCV 2015的工作paper链接:链接Abstract我们提出了一种简单而有效的时空特征学习方法,该方法使用在大规模监督视频数据集上训练的深度 3 维卷积网络 (3D ConvNets)。我们的发现有三个方面:1)与 2D ConvNets 相比,3D ConvNets 更适合时空特原创 2022-04-10 21:20:05 · 2767 阅读 · 1 评论 -
(ICCV-2019)用于视频识别的 SlowFast 网络
用于视频识别的 SlowFast 网络paper题目:SlowFast Networks for Video Recognitionpaper是FAIR发表在ICCV 2019的工作论文地址:链接Abstract本文提出了用于视频识别的 SlowFast 网络。模型涉及(i)以低帧速率运行的慢速路径以捕获空间语义,以及(ii)以高帧速率运行的快速路径以捕获精细时间分辨率的运动。 Fast 路径可以通过减少其通道容量而变得非常轻量级,但可以学习用于视频识别的有用时间信息。本文的模型在视频原创 2022-04-09 21:48:34 · 4784 阅读 · 0 评论 -
(ECCV-2020)用于行人重识别的身份引导人类语义解析
用于行人重识别的身份引导人类语义解析paper题目:Identity-Guided Human Semantic Parsing for Person Re-Identificationpaper是中科院自动化所发表在ECCV 2020的工作paper地址:链接Abstract现有的基于对齐的方法必须使用预训练的人体解析模型来实现像素级对齐,并且无法识别对行人重识别至关重要线索(例如背包和手提包)。本文提出了身份引导的人体语义解析方法 (ISP),以在像素级定位人体部位和携带物品,以便原创 2022-04-08 21:39:07 · 1497 阅读 · 0 评论 -
(ECCV-2020)超越部分模型。用细粒度的部分池化进行行人检索(和一个强大的卷积基线)
文章目录超越部分模型。用细粒度的部分池化进行行人检索(和一个强大的卷积基线)Abstract.1 Introduction2 Related works用于行人检索的手工制作的部分特征。深度学习的部分特征。具有注意力机制的深度学习部分。3 Proposed Method3.1 PCB: A Part-based Convolutional BaselineBackbone network.From backbone to PCB.Important Parameters.3.2 Within-Part In原创 2022-04-03 20:27:29 · 3658 阅读 · 0 评论 -
(TIP-2020)带注意力的深度金字塔池化行人重识别
带注意力的深度金字塔池化行人重识别paper题目:Deep Pyramidal Pooling With Attention for Person Re-Identificationpaper于2020年发表在TIPpaper地址:链接Abstract学习具有不同语义层次的目标外观的判别性、视角不变性和多尺度表示,对于行人重识别(ReID)是至关重要的。最近,社会各界都在关注学习深度Re-ID模型,以捕捉单一的整体表征。为了改善所取得的成果,人们考虑了额外的视觉属性和物体部分驱动的模型原创 2022-03-24 21:09:56 · 4490 阅读 · 0 评论 -
(ICPR-2021)使用胶囊的多尺度部分表示变换的步态识别
使用胶囊的多尺度部分表示变换的步态识别paper题目:Gait Recognition using Multi-Scale Partial Representation Transformation with Capsulespaper是皇后大学发表在ICPR 2021的工作论文地址:链接Abstract步态识别是指基于个人行走方式的个人识别,由于相机视角和个人外观的变化,可能非常具有挑战性。当前的步态识别方法主要由深度学习模型主导,尤其是那些基于部分特征表示的模型。在这种情况下,作者原创 2022-03-23 19:02:23 · 3777 阅读 · 0 评论 -
(CVPR-2021)具有深度通用线性嵌入的跨视角步态识别
文章目录具有深度通用线性嵌入的跨视角步态识别Abstract1. Introduction2. Related Work3. The Koopman Operators4. Proposed Approach4.1. Problem Formulation4.2. Model ArchitectureObservation Functions ApproximatingKoopman Matrix MemoryDiscriminative Feature Extractor4.3. Loss Functi.原创 2022-03-22 17:13:47 · 4104 阅读 · 0 评论 -
(AAAI-2019)用于行人重识别的水平金字塔匹配
用于行人重识别的水平金字塔匹配论文题目:Horizontal Pyramid Matching for Person Re-Identificationpaper是贝克曼研究所发表在AAAI2019上的工作论文地址:链接Abstract尽管在行人重识别(Re-ID)方面取得了显著进展,但这种方法仍然存在识别性身体部位缺失的失败案例。为了减轻这种类型的失败,作者提出了一种简单而有效的水平金字塔匹配(HPM)方法来充分利用给定人的各部分信息,以便即使缺少一些关键部分也可以识别出正确的人选。原创 2022-03-09 21:27:51 · 1429 阅读 · 0 评论 -
(ECCV-2020)步态横向网络-GLN
步态横向网络:学习用于步态识别的判别和紧凑表示论文题目:Gait Lateral Network: Learning Discriminative and Compact Representations for Gait Recognitionpaper是中科院自动化所发表在ECCV 2020的工作论文地址:链接Abstract.步态识别的目的时候通过步行模式识别不同的人,无需受试者合作即可远距离进行识别。步态识别的一个关键挑战是从轮廓中学习表示,这些表示不受服装、携带条件和相机视角等原创 2022-03-05 09:32:09 · 1383 阅读 · 0 评论 -
多时间尺度 3D 卷积神经网络的步态识别
多时间尺度 3D 卷积神经网络的步态识别论文题目:Gait Recognition with Multiple-Temporal-Scale 3D Convolutional Neural Networkpaper是北京交通大学发表在MM上的工作论文链接:链接ABSTRACT步态识别是最重要和最有效的生物识别技术之一,在长距离识别系统中具有显著优势。对于现有的步态识别方法,基于模板的方法可能会丢失时间信息,而基于序列的方法不能充分利用序列之间的时间关系。为了解决上述问题,作者提出了一种原创 2022-02-23 21:22:31 · 2553 阅读 · 2 评论 -
(CVPR-2020)动态卷积:注意力卷积核
动态卷积:注意力卷积核论文题目:Dynamic Convolution: Attention over Convolution Kernelspaper是微软发表在CVPR2020的工作论文地址:链接Abstract轻量卷积神经网络(CNN)由于其较低的计算预算限制了CNN的深度(卷积层数)和宽度(通道数),导致其表达能力有限,因此性能会下降。为了解决这个问题,作者提出了动态卷积,这是一种在不增加网络深度或宽度的情况下增加模型复杂性的新设计。动态卷积不是每层使用一个卷积核,而是根据关注原创 2022-02-10 14:13:19 · 6584 阅读 · 4 评论 -
(ECCV-2020)基于视频的行人重识别的外观保持三维卷积(三)
4 AP3D for Video-based ReID为了研究AP3D对基于视频的ReID的有效性,本文使用2D ConvNet (C2D)形式作为基线方法,并使用提出的AP3D将其扩展到AP3DConvNet。网络架构的细节在4.1 节中描述,然后损失函数在4.2节中介绍。4.1 Network ArchitecturesC2D baseline. 使用在ImageNet上预训练的ResNet-50作为backbone,并去除 [28] 之后的stage5的下采样操作以丰富粒度。给定一个具有TTT原创 2022-02-09 21:28:40 · 1076 阅读 · 0 评论 -
(ECCV-2020)基于视频的行人重识别的外观保持三维卷积(二)
3 Appearance-Preserving 3D Convolution本节首先说明所提出的AP3D的总体框架。然后,解释核心模块的细节,即外观保持模块(APM),并进行讨论。最后,介绍如何将AP3D与现有的3D ConvNets相结合。3.1 The Framework3D 卷积广泛用于视频分类任务并实现了最先进的性能。最近,一些研究人员将其引入基于视频的ReID。然而,他们忽略了ReID任务的性能高度依赖于外观表示,而不是运动表示。由于不完美的检测结果或姿势变化,在基于视频的ReID样本中,原创 2022-02-03 19:49:19 · 2320 阅读 · 1 评论 -
(ECCV-2020)基于视频的行人重识别的外观保持三维卷积(一)
基于视频的行人重识别的外观保持三维卷积论文题目:Appearance-Preserving 3D Convolution forVideo-based Person Re-identificationpaper是中科院计算所、中国科学院大学发表在ECCV2020的工作论文地址:链接Abstract在基于视频的行人重识别(ReID)中,由于人的检测结果和姿态变化的不完善,时间外观错位是不可避免的。在这种情况下,3D卷积可能会破坏人物视频剪辑的外观表示,因此对ReID是有害的。为了解决这原创 2022-02-02 17:42:10 · 2376 阅读 · 0 评论 -
首个步态识别框架开源了
OpenGait:首个开源步态识别框架导言行人步态作为一种远距离的生物识别特征,在识别时,无需受试者配合。相比于掌纹、虹膜、人脸识别,步态这个生物特征更具健壮性,不易被伪装。而步态这个生物特征,在识别时也会有许多挑战,比如:遮挡、角度变化、穿戴条件变化、光照变化等。由此,激发了许多研究者的研究兴趣。背景为了解决上述挑战,近几年,以基于外观的结合深度学习的网络在流行的两个步态数据集CASIA-B和OU-MVLP上取得了不错的准确率。著名的方法有,2019年AAAI的GaitS...原创 2022-01-24 20:09:36 · 3670 阅读 · 0 评论 -
(CVPR-2020)GaitPart:基于时间部分的步态识别模型(二)
文章目录4. Experiments4.1. Datasets and Training Details4.2. Comparison with State-of-art Methods4.3. Ablation Study4.4. Spatio-temporal Study5. Conclusion参考文献4. Experiments\quad \quad已应用两个开放数据集来评估 GaitPart,即CASIA-B和OU-MVLP。在本节中,将首先描述这些数据库。然后,将 GaitPart 的性能与原创 2022-01-15 10:27:57 · 1112 阅读 · 0 评论 -
(CVPR-2020)GaitPart:基于时间部分的步态识别模型(一)
文章目录GaitPart:基于时间部分的步态识别模型Abstract1. Introduction2. Related Work3. Proposed Method3.1. Pipeline3.2. Frame-level Part Feature Extractor3.3. Temporal Feature Aggregator微动作模板生成器时间池化3.4. Implementation Details参考文献GaitPart:基于时间部分的步态识别模型论文题目:GaitPart: Tempora原创 2022-01-15 10:26:56 · 1310 阅读 · 0 评论 -
(ICCV-2021)用于步态识别的上下文敏感时间特征学习(三)
Experiments4.1. Datasets and Evaluation Metrics.\quad \quad在两个标准数据集上进行实验,即CASIA-B[30]和OU-MVLP[24],以验证本文方法的优越性。此外,在 CASIA-B 上进行了消融实验,以证明本文方法中每个模块的积极影响。CASIA-B. CASIA-B由124个目标组成,每个目标包含110个序列,有11个不同的摄像机视角。在每个摄像机视角下,每个目标包含三种行走状态,即正常(NM)(6 个序列)、携包(BG)(2 个序原创 2022-01-12 09:53:04 · 1142 阅读 · 0 评论 -
(ICCV-2021)用于步态识别的上下文敏感时间特征学习(二)
Method\quad \quad在本节中,首先描述提出方法的主干,然后说明网络中每个组件的详细结构。Network Pipeline\quad \quad本文方法的总体结构如图 3 所示。一批NNN帧的BBB个步态样本作为输入被送入网络,表示为G∈RB×N×H×WG\in\mathbb{R}^{B \times N \times H \times W}G∈RB×N×H×W。HHH和WWW分别表示每个输入帧的高度和宽度。首先,GGG通过4层的2D CNN生成特征F∈RB×N×C×H/2×W/2F\原创 2022-01-12 09:51:57 · 847 阅读 · 0 评论 -
(ICCV-2021)用于步态识别的上下文敏感时间特征学习(一)
用于步态识别的上下文敏感时间特征学习论文题目:Context-Sensitive Temporal Feature Learning for Gait Recognitionpaper是华中科技大学发表在ICCV 2021的工作论文地址:链接Abstract\quad \quad最近,尽管步态识别引起了越来越多的研究者关注,但由于轮廓差异在空间域中非常微妙,因此学习判别性的时间表示仍然具有挑战性。人类可以自适应地关注不同时间尺度的时间序列来区分不同目标的步态,受此启发,本文提出了原创 2022-01-12 09:50:53 · 1174 阅读 · 0 评论