多尺度步态识别网络

跨视角步态精度领先

同时捕捉局部时序细节和全局上下文特征，解决现有步态识别对时序信息利用不足的问题，在多视角场景下识别更准。

Zhai, Wenzhe · Haomiao, Li · Chaoqun, Zheng · 邢向磊

IEEE Transactions on Circuits and Systems for Video Technology 2024

参数信息

CASIA-B正常行走识别准确率

98.0 %

CASIA-B背包行走识别准确率

95.4 %

CASIA-B穿大衣行走识别准确率

85.0 %

OU-MVLP识别准确率

90.9 %

技术优势

时序细粒度

将整个步态序列划分为多个时空分辨率的子序列，提取多尺度局部时序特征，捕捉个体独有的运动细节。

全局上下文

利用Transformer提取不同子序列的时序上下文信息，并将所有子序列融合为全局特征，增强对整体步态模式的建模。

跨视角精度高

在CASIA-B和OU-MVLP两个公开数据集上取得最优结果，包括多视角和多种行走状态下的高识别准确率。

应用场景

• 身份识别：提供跨视角、跨行走状态的高精度身份识别，适用于安防与访问控制。
• 群体行为分析：利用全局时序上下文建模，有助于分析群体中个体的步态模式与交互。
• 康复评估：细粒度时序特征可捕捉步态异常，辅助康复进程的定量评估。
• 视频监控：在复杂监控场景下实现远距离、非侵入式的步态识别。