論文の概要: A Benchmark for Gait Recognition under Occlusion Collected by
Multi-Kinect SDAS
- arxiv url: http://arxiv.org/abs/2107.08990v1
- Date: Mon, 19 Jul 2021 16:01:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-20 14:53:58.063538
- Title: A Benchmark for Gait Recognition under Occlusion Collected by
Multi-Kinect SDAS
- Title（参考訳）: マルチKinect SDASによる咬合下歩行認識のベンチマーク
- Authors: Na Li and Xinbo Zhao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.922350076348358
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human gait is one of important biometric characteristics for human
identification at a distance. In practice, occlusion usually occurs and
seriously affects accuracy of gait recognition. However, there is no available
database to support in-depth research of this problem, and state-of-arts gait
recognition methods have not paid enough attention to it, thus this paper
focuses on gait recognition under occlusion. We collect a new gait recognition
database called OG RGB+D database, which breaks through the limitation of other
gait databases and includes multimodal gait data of various occlusions
(self-occlusion, active occlusion, and passive occlusion) by our multiple
synchronous Azure Kinect DK sensors data acquisition system (multi-Kinect SDAS)
that can be also applied in security situations. Because Azure Kinect DK can
simultaneously collect multimodal data to support different types of gait
recognition algorithms, especially enables us to effectively obtain
camera-centric multi-person 3D poses, and multi-view is better to deal with
occlusion than single-view. In particular, the OG RGB+D database provides
accurate silhouettes and the optimized human 3D joints data (OJ) by fusing data
collected by multi-Kinects which are more accurate in human pose representation
under occlusion. We also use the OJ data to train an advanced 3D multi-person
pose estimation model to improve its accuracy of pose estimation under
occlusion for universality. Besides, as human pose is less sensitive to
occlusion than human appearance, we propose a novel gait recognition method
SkeletonGait based on human dual skeleton model using a framework of siamese
spatio-temporal graph convolutional networks (siamese ST-GCN). The evaluation
results demonstrate that SkeletonGait has competitive performance compared with
state-of-art gait recognition methods on OG RGB+D database and popular CAISA-B
database.
- Abstract（参考訳）: 人間の歩行は、人間を遠隔で識別するための重要な生体計測特性の1つである。
実際には、閉塞は通常発生し、歩行認識の精度に深刻な影響を及ぼす。
しかし,この問題を深く研究するためのデータベースは存在せず,最先端の歩容認識手法が十分に注目されていないため,咬合下での歩容認識に焦点をあてる。
我々は、OG RGB+Dデータベースと呼ばれる新しい歩行認識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し、セキュリティ状況にも適用可能な複数の同期Azure Kinect DKセンサーデータ取得システム(マルチKinect SDAS)による様々な閉塞(自己閉塞、アクティブ閉塞、受動閉塞)のマルチモーダル歩行データを含む。
Azure Kinect DKは、異なる種類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できるため、特にカメラ中心のマルチパーソン3Dポーズを効果的に取得することができる。
特に、OG RGB+Dデータベースは、人間の擬似表現においてより正確であるマルチKinectによって収集されたデータを融合することにより、正確なシルエットと最適化されたヒト3D関節データ(OJ)を提供する。
また,ojデータを用いて高度な3次元多人数ポーズ推定モデルを訓練し,咬合下でのポーズ推定の精度を向上させる。
また,ヒトのポーズは外見よりもオクルージョンに敏感ではないため,シアメーゼ時空間グラフ畳み込みネットワーク(シアメーゼST-GCN)の枠組みを用いて,人間の二重骨格モデルに基づく新しい歩行認識手法SkeletonGaitを提案する。
評価結果から,SkeletonGaitはOG RGB+DデータベースやCAISA-Bデータベース上での最先端歩行認識手法と比較して,競合性能が高いことが示された。
関連論文リスト
- Learning 3D Human Pose Estimation from Dozens of Datasets using a
Geometry-Aware Autoencoder to Bridge Between Skeleton Formats [80.12253291709673]
本稿では,アフィン結合型オートエンコーダ(ACAE)法を提案する。
このアプローチは、28人の人間のポーズデータセットを使って1つのモデルを監督する、極端なマルチデータセット体制にスケールします。
論文 参考訳（メタデータ） (2022-12-29T22:22:49Z) - Unsupervised 3D Keypoint Discovery with Multi-View Geometry [104.76006413355485]
本研究では,多視点画像から人体上の3Dキーポイントを,監督やラベルなしで発見するアルゴリズムを提案する。
我々の手法は、他の最先端の教師なしアプローチと比較して、より解釈可能で正確な3Dキーポイントを発見する。
論文 参考訳（メタデータ） (2022-11-23T10:25:12Z) - Explicit Occlusion Reasoning for Multi-person 3D Human Pose Estimation [33.86986028882488]
咬合は, 咬合者の形状, 外観, 位置の変動が大きいため, 単眼多面体3次元ポーズ推定において大きな脅威となる。
既存のメソッドは、ポーズ先/制約、データ拡張、暗黙の推論でオクルージョンを処理しようとする。
本研究では、ボトムアップ型多人数ポーズ推定を大幅に改善する、このプロセスを明示的にモデル化する手法を開発した。
論文 参考訳（メタデータ） (2022-07-29T22:12:50Z) - 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) - Direct Dense Pose Estimation [138.56533828316833]
複雑な人間のポーズ推定は、RGB画像と人体の表面との密接な対応を学習する問題である。
従来より密集したポーズ推定手法は、すべてMask R-CNNフレームワークに基づいており、まず各人物のバウンディングボックスを識別しようとするトップダウン方式で動作している。
そこで我々は,DDP (Direct Dense Pose) という,高密度ポーズ推定問題の解法を提案する。
論文 参考訳（メタデータ） (2022-04-04T06:14:38Z) - Quantification of Occlusion Handling Capability of a 3D Human Pose
Estimation Framework [11.509692423756448]
提案手法は,関節の欠如を入力とした2次元骨格を用いて,より正確な3次元ポーズを推定する。
本実験は, 欠損関節に対する枠組みの有効性を実証するものである。
論文 参考訳（メタデータ） (2022-03-08T14:35:46Z) - Revisiting Skeleton-based Action Recognition [107.08112310075114]
PoseC3Dは骨格に基づく行動認識の新しいアプローチであり、代わりに人間の骨格のベース表現としてグラフシーケンスを積み重ねる3Dヒートマップに依存している。
4つの挑戦的なデータセットにおいて、PoseC3Dは、スケルトン上で単独で使用し、RGBモダリティと組み合わせることで、常に優れたパフォーマンスを得る。
論文 参考訳（メタデータ） (2021-04-28T06:32:17Z) - Group-Skeleton-Based Human Action Recognition in Complex Events [15.649778891665468]
本稿では,複合イベントにおけるグループ骨格に基づく人間行動認識手法を提案する。
本手法はまず,マルチスケール空間時間グラフ畳み込みネットワーク(MS-G3D)を用いて,複数の人物から骨格の特徴を抽出する。
HiEveデータセットの結果から,本手法は他の最先端手法と比較して優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2020-11-26T13:19:14Z) - AdaFuse: Adaptive Multiview Fusion for Accurate Human Pose Estimation in
the Wild [77.43884383743872]
本稿では,アダプティブなマルチビュー融合手法であるAdaFuseについて述べる。
我々は、Human3.6M、Total Capture、CMU Panopticの3つの公開データセットに対するアプローチを広く評価した。
また,大規模合成データセットOcclusion-Personを作成し,咬合関節の数値評価を行う。
論文 参考訳（メタデータ） (2020-10-26T03:19:46Z) - HMOR: Hierarchical Multi-Person Ordinal Relations for Monocular
Multi-Person 3D Pose Estimation [54.23770284299979]
本稿では, 階層型多人数常連関係(HMOR)を新たに導入する。
HMORは相互作用情報を階層的に深さと角度の順序関係として符号化する。
統合トップダウンモデルは、学習プロセスにおけるこれらの順序関係を活用するように設計されている。
提案手法は, 公開されている多人数の3Dポーズデータセットにおいて, 最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-08-01T07:53:27Z) - JointsGait:A model-based Gait Recognition Method based on Gait Graph
Convolutional Networks and Joints Relationship Pyramid Mapping [6.851535012702575]
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。
論文 参考訳（メタデータ） (2020-04-27T08:30:37Z)
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。