论文/TPAMI 2021 -基于 event stream 的步态识别

论文/TPAMI 2021 -基于 event stream 的步态识别

这是我们发表在 TPAMI 2021 上的一篇论文,论文题目:Event-Stream Representation for Human Gaits Identification Using Deep Neural Networks。这篇论文主要是基于 event stream 的步态识别。


本文基于 event stream 的两种不同表示形式,即 image-like representation 和 graph representation,提出了一种新的基于 event stream 的步态识别方法,并分别利用基于 image-like representation 的 CNN ,和基于 graph representation 的 GCN 对 event stream 的步态进行识别。这两种方法分别称为 EV-Gait-IMG 和 EV-Gait-3DGraph,分别取得了 87.3% 和 94.9% 的准确率。在两个基于 event stream 的步态数据集上进行了实验:一个来自我们采集的大型步态识别数据集,另一个把 RGB 步态识别数据集 CASIA-B 转换为 event stream 数据集,称为 EV-CASIA-B。

开源地址:https://github.com/zhangxiann/TPAMI_Gait_Identification

阅读更多
论文/图神经网络论文解读:Event-Stream Representation for Human Gaits Identification Using Deep Neural Networks

论文/图神经网络论文解读:Event-Stream Representation for Human Gaits Identification Using Deep Neural Networks

Title

Event-Stream Representation for Human Gaits Identification Using Deep Neural Networks

Summary

使用 event cameras 进行图像识别、活动识别相比 RGB 摄像机有很多优势。 event cameras 低功耗、计算资源少,采集的数据采样率高,采集速率是毫秒级别的,可以避免运动模糊和快门问题,动态范围更广,可以适应复杂的光线环境。

阅读更多