Cross-Covariate Gait Recognition: A Benchmark

要約

歩行データセットは歩行研究に不可欠です。
しかし、この論文では、従来の制約付きデータセットであっても、新たに登場した現実世界のデータセットであっても、現在のベンチマークは共変量の多様性に関して不十分であると観察しています。
このギャップを埋めるために、私たちは交差共変量歩行認識 (CCGR) データセットを収集するという 20 か月にわたる困難な取り組みに取り組みました。
CCGR データセットには 970 人の被験者と約 160 万の配列が含まれています。
ほぼすべての被験者には 33 のビューと 53 の異なる共変量があります。
既存のデータセットと比較して、CCGR には集団レベルと個人レベルの両方の多様性があります。
さらに、ビューと共変量は適切にラベル付けされているため、さまざまな要因の影響を分析できます。
CCGR は、RGB、解析、シルエット、ポーズなどの複数のタイプの歩行データを提供し、研究者に探索のための包括的なリソースを提供します。
交差共変量歩行認識への取り組みをより深く掘り下げるために、新しく提案された解析データを利用することにより、解析ベースの歩行認識 (ParsingGait) を提案します。
私たちは広範な実験を行ってきました。
私たちの主な結果は次のとおりです。 1) 相互共変量は、歩行認識の実用化にとって極めて重要な課題として浮上しています。
2) ParsingGait は、さらなる進歩の顕著な可能性を示しています。
3) 驚くべきことに、既存の SOTA 手法は CCGR で達成する精度が 43% 未満であり、交差共変量歩行認識の研究の緊急性を浮き彫りにしています。
リンク: https://github.com/ShinanZou/CCGR。

要約(オリジナル)

Gait datasets are essential for gait research. However, this paper observes that present benchmarks, whether conventional constrained or emerging real-world datasets, fall short regarding covariate diversity. To bridge this gap, we undertake an arduous 20-month effort to collect a cross-covariate gait recognition (CCGR) dataset. The CCGR dataset has 970 subjects and about 1.6 million sequences; almost every subject has 33 views and 53 different covariates. Compared to existing datasets, CCGR has both population and individual-level diversity. In addition, the views and covariates are well labeled, enabling the analysis of the effects of different factors. CCGR provides multiple types of gait data, including RGB, parsing, silhouette, and pose, offering researchers a comprehensive resource for exploration. In order to delve deeper into addressing cross-covariate gait recognition, we propose parsing-based gait recognition (ParsingGait) by utilizing the newly proposed parsing data. We have conducted extensive experiments. Our main results show: 1) Cross-covariate emerges as a pivotal challenge for practical applications of gait recognition. 2) ParsingGait demonstrates remarkable potential for further advancement. 3) Alarmingly, existing SOTA methods achieve less than 43% accuracy on the CCGR, highlighting the urgency of exploring cross-covariate gait recognition. Link: https://github.com/ShinanZou/CCGR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google