HDNet: Hierarchical Dynamic Network for Gait Recognition using Millimeter-Wave Radar

要約

歩行認識は、多様な実用アプリケーションで広く使用されています。
現在、コンピュータ ビジョン技術の進歩により、RGB 画像から人間の歩行を認識する方法が最も一般的になっています。
とはいえ、ラフな環境ではRGBカメラの認知能力が低下し、目視による監視はプライバシーの侵害につながる可能性があります。
ミリ波 (mmWave) レーダーの堅牢性と非侵襲性により、レーダーベースの歩行認識は近年注目を集めています。
本研究では、ミリ波レーダーを用いた歩行認識のためのHierarchical Dynamic Network (HDNet) を提案します。
より動的な情報を探索するために、新しいポイント クラウド記述子としてポイント フローを提案します。
また、動的フレーム サンプリング モジュールを考案して、パフォーマンスを著しく低下させることなく計算の効率を高めます。
私たちの方法の優位性を証明するために、2 つの公開ミリ波レーダーベースの歩行認識データセットに対して広範な実験を行い、その結果、私たちのモデルが既存の最先端の方法よりも優れていることが示されました。

要約(オリジナル)

Gait recognition is widely used in diversified practical applications. Currently, the most prevalent approach is to recognize human gait from RGB images, owing to the progress of computer vision technologies. Nevertheless, the perception capability of RGB cameras deteriorates in rough circumstances, and visual surveillance may cause privacy invasion. Due to the robustness and non-invasive feature of millimeter wave (mmWave) radar, radar-based gait recognition has attracted increasing attention in recent years. In this research, we propose a Hierarchical Dynamic Network (HDNet) for gait recognition using mmWave radar. In order to explore more dynamic information, we propose point flow as a novel point clouds descriptor. We also devise a dynamic frame sampling module to promote the efficiency of computation without deteriorating performance noticeably. To prove the superiority of our methods, we perform extensive experiments on two public mmWave radar-based gait recognition datasets, and the results demonstrate that our model is superior to existing state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google