GaitSet : Considérer la démarche comme un ensemble pour la reconnaissance de la démarche en vue croisée

En tant que caractéristique biométrique unique pouvant être reconnue à distance, la démarche présente de nombreuses applications dans la prévention des crimes, l'identification judiciaire et la sécurité sociale. Pour représenter une démarche, les méthodes actuelles de reconnaissance de la démarche utilisent soit un modèle de démarche, où il est difficile de conserver l'information temporelle, soit une séquence de démarche, qui doit maintenir des contraintes séquentielles superflues et perd ainsi en flexibilité. Dans cet article, nous présentons une nouvelle perspective, où une démarche est considérée comme un ensemble d'images indépendantes. Nous proposons un nouveau réseau nommé GaitSet pour apprendre les informations d'identité à partir de cet ensemble. Grâce à cette perspective ensembliste, notre méthode est insensible à la permutation des images et peut intégrer naturellement des images provenant de différentes vidéos filmées sous divers scénarios, tels que différents angles de vue, vêtements ou conditions de port (carrying conditions). Les expériences montrent que dans des conditions normales de marche, notre méthode mono-modèle atteint une précision moyenne au rang 1 de 95,0 % sur le jeu de données CASIA-B et une précision de 87,1 % sur le jeu de données OU-MVLP. Ces résultats représentent une nouvelle référence en termes de précision de reconnaissance. Dans divers scénarios complexes, notre modèle fait preuve d'un niveau significatif de robustesse. Il atteint des précisions de 87,2 % et 70,4 % sur CASIA-B dans des conditions de marche avec sac et avec manteau (coat-wearing), respectivement. Ces performances surpassent largement les meilleures méthodes existantes. La méthode présentée peut également obtenir une précision satisfaisante avec un petit nombre d'images dans un échantillon test, par exemple 82,5 % sur CASIA-B avec seulement 7 images. Le code source a été publié à l'adresse suivante : https://github.com/AbnerHqC/GaitSet.