MMOct, 2022

步态识别通用跨类别损失

PDF
TL;DR提出了一种广义的跨类损失，用于解决人体行走的生物特征识别中的特征分布和性能问题，并在 CASIA-B 和 OUMVLP 上进行实验，取得了显著的性能提升。
gait recognitioninter-class variancegeneralized inter-class lossfeature distributionperformance
发现论文，激发创造
  • GaitMPL: 基于记忆增强渐进学习的步态识别

    本文提出一种基于记忆的渐进学习网络（GaitMPL），包括动态重新加权渐进学习模块（DRPL）和全局结构对齐的记忆库（GSAM）来解决步态识别中由于难样本引起的挑战，实验结果在 CASIA-B 上达到了最先进的表现。

    Jun, 2023

  • 使用注意力循环学习局部表征进行视角不变步态识别

    本研究提出一种基于卷积神经网络和循环神经网络的双向注意力模型，应用于步态识别领域。实验表明，该模型在数据采集和外观变化等因素影响下的识别性能优于其他方法，并对不同类型遮挡的数据具有更强的鲁棒性。

    Oct, 2020

  • GaitSet：利用步态作为深度集合进行跨视角步态识别

    本文提出了一种基于深度集的步态识别方法，该方法利用全局 - 本地融合深度网络集成一组步态帧，具有较高的鲁棒性和灵活性，在识别结果方面表现较好。

    Feb, 2021

  • 学习解缠表示以进行步态识别

    采用 AutoEncoder framework - GaitNet 来解决服装、携带物品和观察角度等干扰因素的问题。同时我们还建立了 Frontal-View Gait dataset，通过 CasIA-B，USF 和 FVG 数据集的实验，我们的方法表现优异，并且在某些场景下与其他识别技术相比具有优势，如长距离 / 低分辨率，交叉观测角度。

    Sep, 2019

  • 基于解缠表示学习的步态识别

    该研究提出一种基于 AutoEncoder 框架、利用 RGB 成像中的姿态和外貌特征，以及对前方视角步行进行重点研究的 FVG 数据集来辅助鲁棒的步态识别方法，通过在 CASIA-B，USF 和 FVG 数据集上的大量实验证明了该方法具有优秀的识别性能、特征解缠能力和有前途的计算效率。

    Apr, 2019

  • 基于骨架的步态识别的深入理解

    该论文提出了一种基于 Graph Convolutional Networks（GCNs）的方法，结合高级别输入和残差网络，用于骨架轮廓图进行步态识别，实验结果显示了 3 倍于最先进技术水平和强大的视频建模能力。

    Apr, 2022

  • 基于运动捕捉数据的步态识别

    本文提出了一种基于机器学习的统计方法，利用线性判别分析与最大边缘准则从原始运动捕捉数据中提取强健步态特征，通过对 CMU MoCap 数据库的实验表明了该方法的优越性，并说明了其具有高度的移植性，对于不需要特定组特征的人物识别非常方便，此研究结果可使运动捕捉技术更直接地应用于人物识别领域。

    Aug, 2017

  • 最大间隔准则下学习具弹性步态识别特征

    本文通过运用机器学习中的线性判别分析方法，直接从原始关节坐标中提取稳健的脚步特征，从而在步态识别方面取得了较好的成果。

    Sep, 2016

  • BigGait：用大型视觉模型学习所期望的步态表示

    本论文提出了一种基于大规模视觉模型 (Large Vision Models, LVMs) 的有效步态表示方法，命名为 BigGait。该方法通过无监督学习方式，将通用知识转化为隐式步态特征，并在多个数据集上实验证明，在大多数情况下，BigGait 明显超越了以往的方法，在自领域和跨领域任务中提供了更实用的学习范式，对学习下一代步态表示具有重要意义，并探讨了基于 LVMs 的步态识别中可能出现的挑战和前景方向。

    Feb, 2024

  • GaitSet: 将步态视为一组用于视角跨越式步态识别

    该论文提出了一种新的步态识别方法，将步态看作是由独立帧组成的集合，并采用了一种新型网络 GaitSet 来学习集合中的身份信息，实现了新的识别准确率。

    Nov, 2018