論文の概要: Learning Rich Features for Gait Recognition by Integrating Skeletons and
Silhouettes
- arxiv url: http://arxiv.org/abs/2110.13408v1
- Date: Tue, 26 Oct 2021 04:42:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-27 14:58:03.385253
- Title: Learning Rich Features for Gait Recognition by Integrating Skeletons and
Silhouettes
- Title(参考訳): スケルトンとシルエットの統合による歩行認識のための豊富な特徴の学習
- Authors: Yunjie Peng, Saihui Hou, Kang Ma, Yang Zhang, Yongzhen Huang, Zhiqiang
He
- Abstract要約: 本稿では,骨格とシルエットの相補的な手がかりをマイニングし,歩行識別のためのリッチな特徴を学習する,単純で効果的なバイモーダル融合ネットワークを提案する。
CASIA-B上を歩行する最も困難な条件下では, ランク1の精度は92.1%である。
- 参考スコア(独自算出の注目度): 20.766540020533803
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait recognition captures gait patterns from the walking sequence of an
individual for identification. Most existing gait recognition methods learn
features from silhouettes or skeletons for the robustness to clothing,
carrying, and other exterior factors. The combination of the two data
modalities, however, is not fully exploited. This paper proposes a simple yet
effective bimodal fusion (BiFusion) network, which mines the complementary
clues of skeletons and silhouettes, to learn rich features for gait
identification. Particularly, the inherent hierarchical semantics of body
joints in a skeleton is leveraged to design a novel Multi-scale Gait Graph
(MSGG) network for the feature extraction of skeletons. Extensive experiments
on CASIA-B and OUMVLP demonstrate both the superiority of the proposed MSGG
network in modeling skeletons and the effectiveness of the bimodal fusion for
gait recognition. Under the most challenging condition of walking in different
clothes on CASIA-B, our method achieves the rank-1 accuracy of 92.1%.
- Abstract(参考訳): 歩行認識は、個人の歩行シーケンスから歩行パターンをキャプチャして識別する。
既存の歩容認識法は、衣服、運搬、その他の外部要因に対する頑健さのためにシルエットや骨格から特徴を学ぶ。
しかし、2つのデータモダリティの組み合わせは、完全には悪用されていない。
本稿では,骨格とシルエットの相補的な手がかりをマイニングし,歩行識別のための豊富な特徴を学習する,単純で効果的なバイモーダル融合(BiFusion)ネットワークを提案する。
特に、骨格における身体関節の固有の階層的意味論を利用して、骨格の特徴抽出のための新しいマルチスケールゲイトグラフ(MSGG)ネットワークを設計する。
CASIA-BとOUMVLPの広範囲にわたる実験により、骨格モデリングにおける提案したMSGGネットワークの優位性と歩行認識におけるバイモーダル融合の有効性が示された。
CASIA-B上を歩行する最も困難な条件下では,ランク1の精度は92.1%である。
関連論文リスト
- TriGait: Aligning and Fusing Skeleton and Silhouette Gait Data via a
Tri-Branch Network [4.699718818019937]
歩行認識は、非侵襲性と長距離性のため、識別のための有望な生体認証技術である。
服装の変化や視点の違いなどの外的変化は、歩行認識に重大な課題をもたらす。
本稿では,新しい三脚歩行認識フレームワークTriGaitを提案する。
論文 参考訳(メタデータ) (2023-08-25T12:19:51Z) - GaitPT: Skeletons Are All You Need For Gait Recognition [4.089889918897877]
我々は、Gait Pyramid Transformer (GaitPT) と呼ばれる新しい歩行認識アーキテクチャを提案する。
GaitPTはポーズ推定スケルトンを使用して、外観情報に頼ることなく、ユニークな歩行パターンをキャプチャする。
以上の結果から,GaitPTは,他の骨格に基づく歩行認識技術と比較して最先端の性能を達成できることが示唆された。
論文 参考訳(メタデータ) (2023-08-21T10:47:52Z) - Hierarchical Skeleton Meta-Prototype Contrastive Learning with Hard
Skeleton Mining for Unsupervised Person Re-Identification [70.90142717649785]
本稿では,HSM(Hard Skeleton Mining)を用いた階層型非教師付きメタプロトタイプコントラストラーニング(Hi-MPC)手法を提案する。
原原型を複数の同種変換を伴うメタプロトタイプに変換することにより,原型固有の一貫性を学習し,人体再IDのより効果的な骨格特徴を捉える。
論文 参考訳(メタデータ) (2023-07-24T16:18:22Z) - SkeletonMAE: Graph-based Masked Autoencoder for Skeleton Sequence
Pre-training [110.55093254677638]
我々はSkeleton Sequence Learning(SSL)という,効率的なスケルトンシーケンス学習フレームワークを提案する。
本論文では,SkeletonMAEという非対称なグラフベースのエンコーダデコーダ事前学習アーキテクチャを構築する。
我々のSSLは、さまざまなデータセットにまたがってうまく一般化し、最先端の自己教師型スケルトンベースのアクション認識手法よりも優れています。
論文 参考訳(メタデータ) (2023-07-17T13:33:11Z) - One-Shot Action Recognition via Multi-Scale Spatial-Temporal Skeleton
Matching [77.6989219290789]
ワンショットスケルトン行動認識は、単一のトレーニングサンプルでスケルトン行動認識モデルを学ぶことを目的としている。
本稿では,マルチスケールな時空間特徴マッチングによる骨格行動認識を行う新しい一発骨格行動認識手法を提案する。
論文 参考訳(メタデータ) (2023-07-14T11:52:10Z) - GaitRef: Gait Recognition with Refined Sequential Skeletons [20.778107966302116]
人の歩行シーケンスを表すのに使われる2つの一般的なモダリティは、シルエットと関節骨格である。
本稿では,シルエットと骨格を組み合わせることで,歩行認識のためのフレームワイドジョイント予測を洗練する。
シルエット配列からの時間的情報を用いて,改良された骨格は付加アノテーションを使わずに歩行認識性能を向上させることができることを示す。
論文 参考訳(メタデータ) (2023-04-16T23:37:24Z) - 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) - Skeleton-based Action Recognition via Adaptive Cross-Form Learning [75.92422282666767]
スケルトンをベースとした行動認識は、骨格配列をアクションカテゴリに投影することを目的としており、配列は事前に検出された複数の点から導出される。
既存の方法は、相補的なキューのために多形骨格を活用することでGCNを改善する傾向にある。
本稿では,適応型クロスフォーム学習(ACFL)を提案する。
論文 参考訳(メタデータ) (2022-06-30T07:40:03Z) - SimMC: Simple Masked Contrastive Learning of Skeleton Representations
for Unsupervised Person Re-Identification [63.903237777588316]
SimMC(Simple Masked Contrastive Learning)フレームワークを提案する。
具体的には、各骨格配列内の骨格の特徴を完全に活用するために、まずマスク付きプロトタイプコントラスト学習(MPC)方式を考案する。
そこで我々は,サブシーケンス間のシーケンス内パターンの整合性を捉えるために,マスク付きシーケンス内コントラスト学習(MIC)を提案する。
論文 参考訳(メタデータ) (2022-04-21T00:19:38Z) - 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) - Combining the Silhouette and Skeleton Data for Gait Recognition [13.345465199699]
2つの主要な歩行認識作品は外観ベースとモデルベースであり、シルエットと骨格からそれぞれ特徴を抽出する。
本稿では, シルエットを入力とするCNN系分岐と, 骨格を入力とするGCN系分岐を提案する。
GCNベースの分岐における歩行表現を改善するため、マルチスケールグラフ畳み込みを統合する完全連結グラフ畳み込み演算子を提案する。
論文 参考訳(メタデータ) (2022-02-22T03:21:51Z)
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。