GaitGraph: 골격 기반 보행 인식을 위한 그래프 컨볼루션 네트워크

보행 인식은 원거리에서 개인의 보행 패턴을 식별하기 위한 유망한 비디오 기반 생체 인식 기술입니다. 현재 대부분의 보행 인식 방법은 각 프레임에서 사람을 표현하기 위해 실루엣 이미지를 사용합니다. 그러나 실루엣 이미지는 세부적인 공간 정보를 잃을 수 있으며, 대부분의 논문에서는 복잡한 장면에서 이러한 실루엣을 어떻게 얻는지 고려하지 않습니다. 또한, 실루엣 이미지는 보행 특징뿐만 아니라 다른 시각적 단서도 포함하고 있어, 이러한 접근 방식이 엄격한 보행 인식으로 간주될 수 없습니다.최근 인간 자세 추정 분야의 발전을 활용하여 RGB 이미지에서 직접 견고한 골격 자세를 추정함으로써, 모델 기반의 보행 인식을 더 깨끗하게 표현할 수 있습니다. 따라서, 우리는 골격 자세와 그래프 컨볼루셔널 네트워크(Graph Convolutional Network, GCN)를 결합하여 현대적인 모델 기반 보행 인식 방법인 GaitGraph를 제안합니다. 주요 장점은 보행 특징을 더 깨끗하고 우아하게 추출할 수 있으며, GCN을 사용하여 강력한 시공간 모델링을 통합할 수 있다는 것입니다. CASIA-B 보행 데이터셋에 대한 실험 결과, 우리의 방법이 모델 기반 보행 인식에서 최신 성능을 달성하는 것으로 나타났습니다.코드와 모델은 공개적으로 이용 가능합니다.