跨衣步态幻觉模型

失衡数据下步态识别大幅提升

该模型能从未见过换衣样本的受试者序列中合成跨衣步态，弥补数据不平衡，使识别不再受限于换衣样本采集困难。

Hou, Saihui · Panjian, Huang · Xu, Liu · Cao, Chunshui · Huang, Yongzhen

IEEE Transactions on Circuits and Systems for Video Technology 2024

技术优势

补足稀有跨衣样本

利用头集中学习到的换衣变换方向，为尾集生成跨衣序列，缓解数据收集困难。

两个基准显著提升

在CASIA-B和Outdoor-Gait构建的服装不平衡基准上，CCH均大幅超越基线方法。

应用场景

• 步态识别：在换衣样本不足时仍能保持高识别率，免去跨衣数据采集负担。
• 视频监控：让监控系统在嫌疑人换装后仍能跨衣物追踪，减少漏检。
• 身份认证：身份验证时不再受限于用户穿着变化，提升认证稳定性。