Feb, 2024

运动之悖论：基于骨架的步态识别模型中的虚假相关证据

PDF
TL;DR此研究挑战了视觉基于步态识别，特别是基于骨架的步态识别主要依赖于运动模式的普遍假设，揭示了行走序列中隐含的人体测量信息在其中的重要作用。通过比较分析，我们显示去除身高信息会导致三个模型和两个基准测试（CASIA-B 和 GREW）的显著性能下降。此外，我们提出了一个只处理各个姿态而忽略任何时间信息的空间转换模型，它达到了异常好的准确性，强调对外观信息的偏好并指出现有基准测试中的虚假相关性。这些发现强调了对视觉基于步态识别中运动和外观相互作用的细致理解的必要性，促使对该领域方法论假设的重新评估。我们的实验表明，“野外” 数据集更不容易产生虚假相关性，因此需要更多样化和大规模的数据集来推动该领域的发展。
发现论文，激发创造
  • 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

  • GaitRef：优化时序骨架的步态识别

    本文提出一种将 silhouettes（侧面轮廓）和 joint skeletons（关节骨架）相结合，利用 silhouette 序列的时间信息优化骨架识别来提高步态识别性能的方法，并在四个公共数据集上展示了最先进的性能。

    Apr, 2023

  • GaitPT: 骨架是步态识别所需的全部

    提出了一种名为 Gait Pyramid Transformer（GaitPT）的新型步态识别架构，利用姿态估计骨架捕捉独特的行走模式，并在人体骨架的结构指导下，以解剖一致的方式有效地提取运动的空间和时间特征，展现出比其他基于骨架的步态识别方法更优异的性能。

    Aug, 2023

  • 基于姿态的深度步态识别

    本文提出了一种基于姿态的卷积神经网络模型，用于人体步态识别，利用肢节周围区域的动作信息和光流法提取特征，实验证明该方法的效果超过现有技术水平。

    Oct, 2017

  • 人体姿态估计在步态识别中的应用：数据集和模型的全面调研

    本文通过详细综述对于骨架姿态估计和步态分析成为骨架优势的方式，详细介绍了相关数据集、评估方法、挑战和应用方法，并就每个方面进行了细致的比较，在此基础上就性能分析、潜在研究空白、应用领域以及未来的潜在贡献等方面提出了建议，综合评价了深度学习技术在人体姿态估计和步态识别方面的积极作用，为相关研究社区和其他利益相关方提供了借鉴和参考。

    May, 2023

  • GaitGraph：基于图卷积网络的基于骨架的步态识别

    本研究提出了 GaitGraph，利用人体姿势估计技术从 RGB 图像中直接估计骨架姿势，结合图卷积网络来进行现代基于模型的步态识别，取得了在 CASIA-B 步态数据集上最新的性能表现。

    Jan, 2021

  • 用于训练机器 / 深度学习步态识别算法的数据增强方法学

    本研究介绍了一种基于模拟的方法和主体特定数据集，用于生成合成视频帧和序列以进行数据增强，由此生成了多模态数据集，其结果表明身份信息在合成生成的示例中得以保留，此数据集和方法可对完全不变式身份识别的研究提供支持。

    Oct, 2016

  • TriGait：通过三分支网络对骨骼和轮廓步态数据进行对齐和融合

    本文介绍了一种新的三支路人体步态识别框架（TriGait），它有效地融合了骨架和轮廓数据的特征，包括从外观提取静态和动态特征的两流网络，通过捕捉所有关节之间的依赖关系的简单而有效的 JSA-TC 模块，以及通过对两种模态的低级特征进行对齐和融合的第三支路用于交叉模态学习。实验证据表明 TriGait 在人体步态识别方面具有卓越的优越性和有效性。在 CASIA-B 数据集的所有条件下，所提方法的平均排名准确率为 96.0％，对 CL 数据集的准确率为 94.3％，明显优于所有现有技术方法。源代码将在此 URL 提供。

    Aug, 2023

  • 视频异常检测中的骨架轨迹规律学习

    提出了一种使用动态骨架特征建模监控视频中人类运动规律的新方法，该方法通过将骨架运动分解为全局身体运动和局部身体姿势两个子组件，并使用新型消息传递编码 - 解码循环网络来建模相互作用的耦合特征，以精确识别来自监控视频序列的人类相关的异常事件并提供可解释性。与传统的基于外观的模型相比，该方法实现了卓越的异常检测性能。

    Mar, 2019

  • GaitSTR: 基于顺序双流细化的步态识别

    本文介绍了利用两种模态 (轮廓和骨骼) 进行步态识别，并通过自我校正和跨模态矫正提高了模型性能。

    Apr, 2024