GaitRGA:基于关系意识的步态识别全球关注
Jinhang Liu1, Yunfan Ke1, Ting Zhou1
1School of Computer Science, Hubei University of Technology, Wuhan 430068, China.
Sensors (Basel, Switzerland)
|April 26, 2025
概括
本研究引入了一种使用关系意识全球注意力 (RGA) 的新型步态识别方法,以提高现实世界的场景的准确性. RGA模块增强了特征差异化,克服了诸如遮和服装更换等挑战,以实现更强大的生物识别.
科学领域:
- 生物识别信息 生物识别信息
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 步态识别是一种非侵入性生物识别技术,在现实应用中由于视角变化,遮蔽和服装变化而面临性能限制.
- 现有的方法经常与动态场景作斗争,需要超越传统的局部卷积方法的进步.
研究的目的:
- 提出一种新的步态识别方法,以应对现实应用的挑战.
- 通过捕获全球结构信息来提高步态识别系统的准确性和稳定性.
主要方法:
- 引入一个关系意识的全球注意力 (RGA) 模块用于步态识别.
- 利用浅层卷积模型,对齐叠加特征关联和学习注意力,在步态序列中捕获全球结构信息.
- 通过整合全球关系,克服仅仅依赖于局部卷曲的局限性.
主要成果:
- 拟议的GaitRGA方法在多个数据集 (Grew,Gait3D,SUSTech1k) 上显示出显著的性能改进.
- 该RGA模块有效地捕获了整体结构信息,有助于更精确的注意力学习和改进的步态特征差异化.
- 增强识别性能,特别是在复杂和动态的现实场景中.
结论:
- 关系意识的全球注意力方法为改善在具有挑战性的现实环境中的步态识别提供了有希望的解决方案.
- GaitRGA有效地处理视角,遮蔽和服装的变化,从而实现更可靠的生物识别识别.
- 这种方法通过利用人类行走中固有的全球结构信息来增强步态特征的差异化.


