GaitRef: Gait Recognition with Refined Sequential Skeletons

要約

歩行認識として知られる、歩行シーケンスによる人間の識別は、長距離から観察でき、被験者の協力を必要としないため、有用な生体測定タスクです。
人の歩行シーケンスを表現するために使用される 2 つの一般的なモダリティは、シルエットと関節スケルトンです。
各フレーム内で歩く人物の境界を記録するシルエット シーケンスでは、人物の持ち物や服装によって見え方が変化する場合があります。
フレーム単位の結合検出にはノイズが多く、連続検出と一致しないジッターが発生します。
この論文では、シルエットとスケルトンを組み合わせて、歩行認識のためのフレーム単位の関節予測を改良します。
シルエット シーケンスからの時間情報を使用して、洗練されたスケルトンが追加の注釈なしで歩行認識パフォーマンスを向上できることを示します。
CASIA-B、OUMVLP、Gait3D、GREW の 4 つの公開データセットでメソッドを比較し、最先端のパフォーマンスを示します。

要約(オリジナル)

Identifying humans with their walking sequences, known as gait recognition, is a useful biometric understanding task as it can be observed from a long distance and does not require cooperation from the subject. Two common modalities used for representing the walking sequence of a person are silhouettes and joint skeletons. Silhouette sequences, which record the boundary of the walking person in each frame, may suffer from the variant appearances from carried-on objects and clothes of the person. Framewise joint detections are noisy and introduce some jitters that are not consistent with sequential detections. In this paper, we combine the silhouettes and skeletons and refine the framewise joint predictions for gait recognition. With temporal information from the silhouette sequences, we show that the refined skeletons can improve gait recognition performance without extra annotations. We compare our methods on four public datasets, CASIA-B, OUMVLP, Gait3D and GREW, and show state-of-the-art performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google