GaitGraph : Réseau de convolution sur graphe pour la reconnaissance de la démarche basée sur le squelette

La reconnaissance de la démarche est une biométrie vidéo prometteuse permettant d'identifier les modèles de marche des individus à longue distance. Actuellement, la plupart des méthodes de reconnaissance de la démarche utilisent des images de silhouettes pour représenter une personne dans chaque image. Cependant, ces images de silhouettes peuvent perdre des informations spatiales détaillées, et la plupart des articles ne traitent pas de la manière d'obtenir ces silhouettes dans des scènes complexes. De plus, les images de silhouettes contiennent non seulement des caractéristiques de démarche mais aussi d'autres indices visuels qui peuvent être reconnus. Par conséquent, ces approches ne peuvent pas être considérées comme une reconnaissance stricte de la démarche.Nous nous appuyons sur les récentes avancées en estimation de posture humaine pour estimer des poses squelettiques robustes directement à partir d'images RGB, afin de ramener une reconnaissance de la démarche basée sur un modèle avec une représentation plus nette de la démarche. Ainsi, nous proposons GaitGraph, qui combine les poses squelettiques avec un réseau neuronal convolutif graphique (GCN) pour obtenir une approche moderne basée sur un modèle pour la reconnaissance de la démarche. Les principaux avantages sont une extraction plus propre et élégante des caractéristiques de démarche, ainsi que la capacité d'intégrer un puissant modèle spatio-temporel grâce au GCN. Des expériences menées sur l'ensemble de données CASIA-B montrent que notre méthode atteint des performances à l'état de l'art en reconnaissance de la démarche basée sur un modèle.Le code et les modèles sont disponibles publiquement.