論文の概要: JointsGait:A model-based Gait Recognition Method based on Gait Graph
Convolutional Networks and Joints Relationship Pyramid Mapping
- arxiv url: http://arxiv.org/abs/2005.08625v2
- Date: Wed, 9 Dec 2020 09:12:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 05:56:57.492047
- Title: JointsGait:A model-based Gait Recognition Method based on Gait Graph
Convolutional Networks and Joints Relationship Pyramid Mapping
- Title（参考訳）: JointsGait:歩行グラフ畳み込みネットワークと関節関係ピラミッドマッピングに基づくモデルに基づく歩行認識手法
- Authors: Na Li, Xinbo Zhao, Chong Ma
- Abstract要約: 本稿では2次元関節を用いた歩行認識について検討する。
JointsGaitは2次元の人体関節から歩行情報を抽出する。
- 参考スコア（独自算出の注目度）: 6.851535012702575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait, as one of unique biometric features, has the advantage of being
recognized from a long distance away, can be widely used in public security.
Considering 3D pose estimation is more challenging than 2D pose estimation in
practice , we research on using 2D joints to recognize gait in this paper, and
a new model-based gait recognition method JointsGait is put forward to extract
gait information from 2D human body joints. Appearance-based gait recognition
algorithms are prevalent before. However, appearance features suffer from
external factors which can cause drastic appearance variations, e.g. clothing.
Unlike previous approaches, JointsGait firstly extracted spatio-temporal
features from 2D joints using gait graph convolutional networks, which are less
interfered by external factors. Secondly, Joints Relationship Pyramid Mapping
(JRPM) are proposed to map spatio-temporal gait features into a discriminative
feature space with biological advantages according to the relationship of human
joints when people are walking at various scales. Finally, we design a fusion
loss strategy to help the joints features to be insensitive to cross-view. Our
method is evaluated on two large datasets, Kinect Gait Biometry Dataset and
CASIA-B. On Kinect Gait Biometry Dataset database, JointsGait only uses
corresponding 2D coordinates of joints, but achieves satisfactory recognition
accuracy compared with those model-based algorithms using 3D joints. On CASIA-B
database, the proposed method greatly outperforms advanced model-based methods
in all walking conditions, even performs superior to state-of-art
appearance-based methods when clothing seriously affect people's appearance.
The experimental results demonstrate that JointsGait achieves the state-of-art
performance despite the low dimensional feature (2D body joints) and is less
affected by the view variations and clothing variation.
- Abstract（参考訳）: gaitは、ユニークな生体認証機能の1つであり、長距離から認識される利点があり、公共のセキュリティに広く利用することができる。
本研究では, 3次元ポーズ推定が2次元ポーズ推定よりも難しいことを考慮し, 2次元関節を用いた歩行認識について検討し, 2次元人体関節から歩行情報を抽出するための新しいモデルに基づく歩行認識法について検討した。
外観に基づく歩行認識アルゴリズムは以前より普及していた。
しかし、外観の特徴は外的要因に悩まされ、例えば衣服などの劇的な外観変化を引き起こす。
従来のアプローチとは異なり、JointsGaitは、外的要因の影響を受けない歩行グラフ畳み込みネットワークを用いて、2次元関節から時空間的特徴を抽出した。
第2に, 歩行時空間と時空間の歩行特徴を, 歩行時におけるヒト関節の関係に応じて生物学的に有利な特徴空間にマッピングするために, 関節関係ピラミッドマッピング (jrpm) が提案されている。
最後に,ジョイント機能がクロスビューに敏感にならないよう,融合損失戦略を考案する。
本手法はKinect Gait Biometry Dataset と CASIA-B の2つの大規模データセットを用いて評価する。
Kinect Gait Biometry Datasetデータベースでは、JointsGaitは関節の2D座標のみを使用するが、3Dジョイントを用いたモデルベースアルゴリズムと比較して良好な認識精度を実現する。
casia-bデータベースにおいて,提案手法は歩行条件において高度なモデルベース手法を大幅に上回っており,衣服の外観に深刻な影響を及ぼす場合,最先端の外観ベース手法よりも優れている。
実験結果から,低次元特徴(2次元ボディジョイント)にもかかわらず,JointsGaitは最先端性能を達成でき,視差や衣服の変化の影響を受けないことがわかった。
関連論文リスト
- HybridGait: A Benchmark for Spatial-Temporal Cloth-Changing Gait
Recognition with Hybrid Explorations [66.5809637340079]
そこで本研究では,第1世代CCGaitベンチマークを提案する。
我々は3次元メッシュの時間的ダイナミクスと投影された2次元情報の両方を利用する。
私たちのコントリビューションは2つあります: 拡張された空間にわたる現実的な外見の変化をキャプチャする、挑戦的なベンチマークCCGaitを提供しています。
論文 参考訳（メタデータ） (2023-12-30T16:12:13Z) - Spatio-temporal MLP-graph network for 3D human pose estimation [8.267311047244881]
グラフ畳み込みネットワークとその変種は3次元人間のポーズ推定において大きな可能性を示している。
暗黙の伝搬フェアリングを用いたグラフフィルタリングにより得られる新しい重み付きヤコビ特徴則を導入する。
また, 関節間の関係を学習するために, 隣接変調を用いた。
論文 参考訳（メタデータ） (2023-08-29T14:00:55Z) - Iterative Graph Filtering Network for 3D Human Pose Estimation [5.177947445379688]
グラフ畳み込みネットワーク(GCN)は3次元人間のポーズ推定に有効な手法であることが証明されている。
本稿では,3次元ポーズ推定のための反復グラフフィルタリングフレームワークを提案する。
我々のアプローチは、ラプラシア正規化によるグラフフィルタリングを反復的に解くという考え方に基づいている。
論文 参考訳（メタデータ） (2023-07-29T20:46:44Z) - Pose-Oriented Transformer with Uncertainty-Guided Refinement for
2D-to-3D Human Pose Estimation [51.00725889172323]
本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。
我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。
本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
論文 参考訳（メタデータ） (2023-02-15T00:22:02Z) - Multi-Modal Human Authentication Using Silhouettes, Gait and RGB [59.46083527510924]
全体認証は、遠隔生体認証のシナリオにおいて有望なアプローチである。
本稿では,RGBデータとシルエットデータを組み合わせたDME(Dual-Modal Ensemble)を提案する。
DME内では、従来の歩行分析に使用される二重ヘリカル歩行パターンにインスパイアされたGaitPatternを提案する。
論文 参考訳（メタデータ） (2022-10-08T15:17:32Z) - Towards a Deeper Understanding of Skeleton-based Gait Recognition [4.812321790984493]
近年、ほとんどの歩行認識法は、人のシルエットを使って歩行の特徴を抽出している。
モデルに基づく手法はこれらの問題に悩まされず、身体関節の時間運動を表現することができる。
本研究では,高次入力と残差ネットワークを組み合わせたグラフ畳み込みネットワーク(GCN)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2022-04-16T18:23:37Z) - A Benchmark for Gait Recognition under Occlusion Collected by
Multi-Kinect SDAS [6.922350076348358]
我々はOG RGB+Dデータベースと呼ばれる新しい歩行データベースを収集し、他の歩行データベースの制限を突破する。
Azure Kinect DKは、異なるタイプの歩行認識アルゴリズムをサポートするために、同時にマルチモーダルデータを収集することができる。
人間の二重骨格モデルに基づく歩行認識手法SkeletonGaitを提案する。
論文 参考訳（メタデータ） (2021-07-19T16:01:18Z) - A hybrid classification-regression approach for 3D hand pose estimation
using graph convolutional networks [1.0152838128195467]
目的ごとの関係制約を学習する2段階のGCNベースのフレームワークを提案する。
第1フェーズは2D/3D空間を量子化し、その局所性に基づいて関節を2D/3Dブロックに分類する。
第2段階ではGCNベースのモジュールを使用し、隣り合う適応アルゴリズムを用いて関節関係を決定する。
論文 参考訳（メタデータ） (2021-05-23T10:09:10Z) - Pose And Joint-Aware Action Recognition [87.4780883700755]
本稿では,まず,共有動作エンコーダを用いて各関節の動作特徴を別々に抽出する,関節に基づく動作認識の新しいモデルを提案する。
私たちのジョイントセレクタモジュールは、そのタスクの最も識別性の高いジョイントを選択するために、ジョイント情報を再重み付けします。
JHMDB, HMDB, Charades, AVA アクション認識データセットにおける最先端のジョイントベースアプローチに対する大きな改善点を示す。
論文 参考訳（メタデータ） (2020-10-16T04:43:34Z) - DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。
本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。
実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
論文 参考訳（メタデータ） (2020-10-02T13:59:05Z) - DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。
既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。
本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文 参考訳（メタデータ） (2020-08-26T17:59:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。