GaitGraph：基于骨架的步态识别图卷积网络

步态识别是一种有前景的基于视频的生物特征技术，可以从远距离识别个人的行走模式。目前，大多数步态识别方法使用轮廓图像来表示每一帧中的人体。然而，轮廓图像可能会丢失细粒度的空间信息，而且大多数论文并未考虑如何在复杂场景中获取这些轮廓图像。此外，轮廓图像不仅包含步态特征，还可能包含其他可被识别的视觉线索。因此，这些方法不能被视为严格的步态识别。我们利用近期在人体姿态估计方面的进展，直接从RGB图像中估计出稳健的骨架姿态，从而恢复了基于模型的步态识别，并提供了更清晰的步态表示。为此，我们提出了GaitGraph，该方法结合了骨架姿态和图卷积网络（GCN），以获得一种现代的基于模型的步态识别方法。其主要优势在于更清晰、更优雅地提取步态特征，并且能够利用GCN进行强大的时空建模。在流行的CASIA-B步态数据集上的实验表明，我们的方法在基于模型的步态识别中达到了最先进的性能。代码和模型已公开可用。