python步态识别算法_深度学习在步态识别中的应用

本文从深度学习角度阐述步态识别领域的近期发展与优劣，并对相关算法进行总结。

1 问题定义

1.1 任务流程

对于一段给定的包含一个或多个行人行走过程的视频序列对于一段行人视频序列，广义上的步态识别流程可以分为4 个主要阶段:行人检测

行人分割

行人追踪

行人识别

其中涉及到的一些通用的技术：掩码区域卷积神经网络(He, Gkioxari, Dollár, & Girshick, 2017)

前背景分离技术

任务流程图如下所示：

1.2 任务类型

步态识别任务可以根据任务目标分为两类．

1) 第一类为验证( Verification ) 任务

给定注册样本( Probe Sample) 和验证样本( Gallery Sample) ，依据某种相似度指标或给定的阈值判断它们是否具相同身份。

2) 第二类为辨别( Identification) 任务

即给定注册样本和验证集( Gallery Set) 中N 个样本找出验证集中和注册样本具有相同身份的验证样本。

2 常用数据集

当前的研究主要采用下图的数据集。

由于人在行走过程中可能处于各种不同的状态，现有的步态识别数据集为了保证能够对算法进行有效评估，引入视角、衣着和携带物等协变量。

3 常用方法

过去的方法主要为手工提取轮廓图序列中的信息，利用机器学习方法判别。今年研究以步态模板为输入，核心在于如何提取有效的身份特征信息。

数据采取的视角是对步态是被性能影响最大的协变量。

有学者提出视角变换模型( View Transform Model)对步态模板进行视角变换的工作(Makihara, Sagawa, Mukaigawa, Echigo, & Yagi,