Spatio-temporal Gait Feature with Global Distance Alignment

要約

歩行は容易にカモフラージュできず、被験者の認識に協力を必要としないため、歩行認識は重要な認識技術です。
ただし、多くの既存の方法は、一時的な情報と詳細な情報の両方を保存するのに不十分であるため、その識別が減少します。
この問題は、歩行姿勢が似ている被験者を特定する場合により深刻になります。
この論文では、時空間歩行特徴の効果的な抽出と抽出された特徴の合理的な改良という 2 つの側面から、時空間歩行特徴の識別を強化しようとします。
そこで、時空間特徴抽出 (SFE) とグローバル ディスタンス アラインメント (GDA) からなる手法を提案します。
SFE は、Temporal Feature Fusion (TFF) と細粒度特徴抽出 (FFE) を使用して、生のシルエットから時空間特徴を効果的に抽出します。
GDA は、抽出された時空間的特徴を絞り込むためのベンチマークとして、実生活での多数のラベル付けされていない歩行データを使用します。
GDA は、抽出された特徴のクラス間類似性を低くし、クラス内類似性を高くして、それらの識別を強化することができます。
mini-OUMVLP と CASIA-B に関する広範な実験により、最先端の方法よりも優れた結果が得られることが証明されました。

要約(オリジナル)

Gait recognition is an important recognition technology, because gait is not easy to camouflage and does not need cooperation to recognize subjects. However, many existing methods are inadequate in preserving both temporal information and fine-grained information, thus reducing its discrimination. This problem is more serious when the subjects with similar walking postures are identified. In this paper, we try to enhance the discrimination of spatio-temporal gait features from two aspects: effective extraction of spatio-temporal gait features and reasonable refinement of extracted features. Thus our method is proposed, it consists of Spatio-temporal Feature Extraction (SFE) and Global Distance Alignment (GDA). SFE uses Temporal Feature Fusion (TFF) and Fine-grained Feature Extraction (FFE) to effectively extract the spatio-temporal features from raw silhouettes. GDA uses a large number of unlabeled gait data in real life as a benchmark to refine the extracted spatio-temporal features. GDA can make the extracted features have low inter-class similarity and high intra-class similarity, thus enhancing their discrimination. Extensive experiments on mini-OUMVLP and CASIA-B have proved that we have a better result than some state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google