May, 2024

OpenGait: 走姿识别的全面基准研究以提高实用性

PDF
TL;DR基于 OpenGait 开发的 DeepGaitV2、SkeletonGait 和 SkeletonGait++ 三个基准模型通过全面的基准研究，启示了深度步态模型的建模经验和典型步态特性的表征能力，为步态识别的进一步研究和应用提供了新的方向。
发现论文，激发创造
  • GaitEdge：超越纯端到端步态识别以提高实用性

    本文提出了一种名为 GaitEdge 的新型端到端框架，利用行人分割网络合成可训练的身体边缘和固定内部的合成剪影来屏蔽步态非相关信息，实现端到端训练，经实验验证，在 CASIA-B 和作者新建的 TTG-200 数据集上，GaitEdge 显著优于之前的方法，提供了更实用的端到端范式。

    Mar, 2022

  • FastPoseGait：高效的基于姿态的步态识别工具箱和基准

    FastPoseGait 是一个基于 PyTorch 的开源工具箱，支持一系列最先进的基于姿势的步态识别算法和相关基准测试。它集成了多种最新算法，旨在促进研究、加快步态识别领域的发展。

    Sep, 2023

  • 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

  • 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

  • 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

  • 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

  • 野外步态识别：基于稠密三维表示和基准测试

    本文旨在探讨用于野外环境中行走行人的 3D 浓密表征的步态识别，并提出了一种基于 3D Skinned 多人线性（SMPL）模型的新框架 ——SMPLGait，并建立了首个大规模的基于 3D 表征的步态识别数据集 ——Gait3D，以此与现有的步态识别方法进行了全面比较。

    Apr, 2022

  • 野外步态识别基准测试

    本文提供了新的野外步态识别基准 GREW，该基准数据集采用自然视频捕捉，并包含数百个摄像机和成千上万小时的流。GREW 包含 26k 个身份和 128k 个序列，具有丰富的属性用于非受控步态识别。该基准可作为 state-of-the-art 步态识别算法的有效预训练，旨在促进野外步态识别技术的发展。

    May, 2022

  • QAGait：从质量角度重访步态识别

    通过质量评估策略和质量感知损失函数，提出了一种质量视角下的步态识别方法（QAGait），可解决实际场景中出现的低质量和具有挑战性的步态问题，并显著提高步态可靠性和性能表现。

    Jan, 2024

  • 基于步态分析的实时人员识别

    通过使用低功耗模型，借助可穿戴设备在边缘进行实时步态识别，本研究成功地在 Arduino 上演示了作者的实时身份识别，从而强调了其功效，并为不久的将来在实际系统中应用提供了可行性证明。

    Apr, 2024