要約
人間の歩容は、遠隔地から秘密裏に取得できるユニークな生体認証と考えられています。しかし、制御されたシナリオで撮影された既存のパブリックドメインの歩行データセットで学習したモデルは、実世界の制約のない歩行データに適用すると、性能が大幅に低下してしまいます。一方、動画像人物再識別技術は、大規模な公開データセットで有望な性能を達成しています。服装の多様性を考慮すると、一般に服装の手がかりは人物認識において信頼性が高いとは言えません。そのため、なぜ最先端の人物再識別手法がうまく機能するのか、実はよく分かっていない。本論文では、既存の動画像人物再認識課題からシルエットを抽出し、新しい歩行データセットを構築する。このデータセットは、無拘束で歩行する1,404人の人物から構成されている。このデータセットに基づき、歩行認識と人物再認識の一貫した比較研究を行うことができる。このような実験結果から、管理された環境で収集されたデータに基づいて設計された現在の歩行認識手法は、実際の監視シナリオには不適切であることを示し、我々はRealGaitと呼ばれる新しい歩行認識手法を提案します。この結果、実際の監視環境において歩行から人物を認識することが可能であることが示され、また、歩行パターンが実際の映像人物再識別を可能にする真の理由であることが示唆されました。
要約(オリジナル)
Human gait is considered a unique biometric identifier which can be acquired in a covert manner at a distance. However, models trained on existing public domain gait datasets which are captured in controlled scenarios lead to drastic performance decline when applied to real-world unconstrained gait data. On the other hand, video person re-identification techniques have achieved promising performance on large-scale publicly available datasets. Given the diversity of clothing characteristics, clothing cue is not reliable for person recognition in general. So, it is actually not clear why the state-of-the-art person re-identification methods work as well as they do. In this paper, we construct a new gait dataset by extracting silhouettes from an existing video person re-identification challenge which consists of 1,404 persons walking in an unconstrained manner. Based on this dataset, a consistent and comparative study between gait recognition and person re-identification can be carried out. Given that our experimental results show that current gait recognition approaches designed under data collected in controlled scenarios are inappropriate for real surveillance scenarios, we propose a novel gait recognition method, called RealGait. Our results suggest that recognizing people by their gait in real surveillance scenarios is feasible and the underlying gait pattern is probably the true reason why video person re-idenfification works in practice.
arxiv情報
| 著者 | Shaoxiong Zhang,Yunhong Wang,Tianrui Chai,Annan Li,Anil K. Jain |
| 発行日 | 2023-02-08 08:47:52+00:00 |
| arxivサイト | arxiv_id(pdf) |