GaitGraph: شبكة تلافيفية للبيانات للاعتراف بالمشية بناءً على الهيكل العظمي

التعرف على المشية هو تقنية واعدة تعتمد على الفيديو لتحديد أنماط مشية الأفراد من مسافات بعيدة. في الوقت الحاضر، تستخدم معظم طرق التعرف على المشية صور القص الأسود (silhouette images) لتمثيل الشخص في كل إطار. ومع ذلك، يمكن أن تفقد صور القص الأسود المعلومات المكانية الدقيقة، ولا يتناول معظم الأبحاث كيفية الحصول على هذه الصور في المشاهد المعقدة. بالإضافة إلى ذلك، تحتوي صور القص الأسود ليس فقط على خصائص المشية ولكن أيضًا على مؤشرات بصرية أخرى يمكن التعرف عليها. ولذلك لا يمكن اعتبار هذه الطرق كطرق صارمة للتعرف على المشية.نستفيد من التقدم الحديث في تقدير وضع الإنسان لتقدير أوضاع الهيكل العظمي بشكل متين مباشرة من صور RGB لإعادة إحياء التعرف على المشية المستند إلى النماذج مع تمثيل أكثر نقاءً للمشية. لذلك، نقترح GaitGraph وهو نهج حديث مستند إلى النموذج يجمع بين أوضاع الهيكل العظمي وشبكات التجاوز الرسمية (Graph Convolutional Network - GCN) للحصول على طريقة حديثة للتعرف على المشية. المزايا الرئيسية هي استخراج أكثر نقاءً وأناقة لخصائص المشية والقدرة على دمج النمذجة المكانية-الزمنية القوية باستخدام GCN. أظهرت التجارب التي أجريت على مجموعة بيانات CASIA-B الشهيرة أن طريقة GaitGraph تحقق أفضل الأداء في التعرف على المشية المستند إلى النماذج.الكود والنماذج متاحان للعامة.