开放步行:为步行识别进行全面的基准研究,以实现更好的实用性

科学领域:

• 计算机视觉 计算机视觉
• 生物识别信息 生物识别信息
• 人工智能的人工智能

背景情况:

• 步态识别在远程人员识别方面表现有前途,但在现实世界和户外数据集方面存在困难.
• 现有的以室内为重点的步态识别方法往往缺乏通用性和实际稳定性.

研究的目的:

• 开展一项全面的基准研究,重点是提高步态识别系统的实用性.
• 在现实世界,户外场景中解决当前方法的局限性.

主要方法:

• 开发OpenGait,一个灵活高效的步态识别平台.
• 使用OpenGait进行深度废除实验,以分析最近的步态识别进步.
• 开发了三个新的基线模型:DeepGaitV2 (基于外观),SkeletonGait (基于模型) 和SkeletonGait++ (多模式).

主要成果:

• 识别现有的步态识别方法中以前被忽视的洞察力和缺陷.
• 开发了DeepGaitV2,SkeletonGait和SkeletonGait++实现了最先进的性能.
• 在新的基线模型中展示实用的稳定性和经验力量.

结论:

• 这项研究为深度步行模型和步行模式的表示能力提供了新的视角.
• 开发的模型在实际的步态识别中提供了显著的改进,特别是在户外环境中.
• 未来的研究应该集中在关键的趋势和挑战,以提高步态识别的实用性.