Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification

要約

3Dスケルトンを介した人の再識別は、パターン認識コミュニティ内での注目を集める重要な新興研究分野です。
さまざまなアプリケーションシナリオにわたって特徴的な利点があるため、多様なスケルトンモデリングと学習パラダイムを備えた多数の3Dスケルトンベースの個人再識別（SRID）メソッドが近年提案されています。
この調査では、最近のSRIDアドバンスの包括的なレビューと分析を提供します。
まず、SRIDタスクを定義し、その起源と大きな進歩の概要を提供します。
第二に、異なるスケルトンモデリングに基づいて既存のメソッドを3つのカテゴリに整理する体系的な分類法を策定します（$、$、$手作り、シーケンスベース、グラフベース）。
次に、これらの3つのカテゴリに沿って代表的なモデルについて詳しく説明し、そのメリットと制限を分析します。
一方、私たちは、主流の監督、自己監視、および監視されていないSRID学習パラダイムと対応するスケルトンセマンティクス学習タスクの詳細なレビューを提供します。
最先端のSRIDメソッドの徹底的な評価は、さまざまな種類のベンチマークとプロトコルでさらに実施され、その有効性と効率を比較します。
最後に、SRIDの研究への影響と潜在的な応用を強調し、将来の研究のための有望な方向性とともに既存の研究の課題について説明します。

要約(オリジナル)

Person re-identification via 3D skeletons is an important emerging research area that attracts increasing attention within the pattern recognition community. With distinctive advantages across various application scenarios, numerous 3D skeleton based person re-identification (SRID) methods with diverse skeleton modeling and learning paradigms have been proposed in recent years. In this survey, we provide a comprehensive review and analysis of recent SRID advances. First of all, we define the SRID task and provide an overview of its origin and major advancements. Secondly, we formulate a systematic taxonomy that organizes existing methods into three categories based on different skeleton modeling ($i.e.,$ hand-crafted, sequence-based, graph-based). Then, we elaborate on the representative models along these three categories with an analysis of their merits and limitations. Meanwhile, we provide an in-depth review of mainstream supervised, self-supervised, and unsupervised SRID learning paradigms and corresponding skeleton semantics learning tasks. A thorough evaluation of state-of-the-art SRID methods is further conducted over various types of benchmarks and protocols to compare their effectiveness and efficiency. Finally, we discuss the challenges of existing studies along with promising directions for future research, highlighting research impacts and potential applications of SRID.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google