GaitPT: Skeletons Are All You Need For Gait Recognition

要約

歩行パターンの分析は、セキュリティ、ヘルスケア、スポーツ、および人間とコンピューターの相互作用に数多くの用途がある重要な研究分野です。
最近、歩行パターンは、離れた場所で自動的に人物を識別するためのユニークな指紋採取方法とみなされています。
この研究では、姿勢推定スケルトンを活用して外観情報に依存せずに固有の歩行パターンを捕捉する、Gait Pyramid Transformer (GaitPT) と呼ばれる新しい歩行認識アーキテクチャを提案します。
GaitPT は、人間の骨格の構造に基づいて、解剖学的に一貫した方法で動きの空間的および時間的特徴の両方を効果的に抽出する階層型トランスフォーマー アーキテクチャを採用しています。
私たちの結果は、GaitPT が、制御されたシナリオと実際のシナリオの両方で、他の骨格ベースの歩行認識作業と比較して最先端のパフォーマンスを達成していることを示しています。
GaitPT は CASIA-B で 82.6% の平均精度を獲得し、他の作品を 6% の差で上回りました。
さらに、GREW では 52.16% のランク 1 の精度が得られ、スケルトン ベースのアプローチと外観ベースのアプローチの両方を上回っています。

要約(オリジナル)

The analysis of patterns of walking is an important area of research that has numerous applications in security, healthcare, sports and human-computer interaction. Lately, walking patterns have been regarded as a unique fingerprinting method for automatic person identification at a distance. In this work, we propose a novel gait recognition architecture called Gait Pyramid Transformer (GaitPT) that leverages pose estimation skeletons to capture unique walking patterns, without relying on appearance information. GaitPT adopts a hierarchical transformer architecture that effectively extracts both spatial and temporal features of movement in an anatomically consistent manner, guided by the structure of the human skeleton. Our results show that GaitPT achieves state-of-the-art performance compared to other skeleton-based gait recognition works, in both controlled and in-the-wild scenarios. GaitPT obtains 82.6% average accuracy on CASIA-B, surpassing other works by a margin of 6%. Moreover, it obtains 52.16% Rank-1 accuracy on GREW, outperforming both skeleton-based and appearance-based approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google