초록
보행 인식은 각 신체 부위의 다른 주기적 움직임을 관찰하여 개인 특유의 보행 패턴을 식별하는 것을 목표로 합니다. 그러나 대부분의 기존 방법은 각 부위를 동등하게 취급하고, 보행 시퀀스의 다른 발걸음 빈도와 샘플링 속도로 인한 데이터 중복성을 고려하지 못합니다. 본 연구에서는 보행 시퀀스 학습을 위한 다중 세분화 움직임 표현 네트워크(GaitMM)를 제안합니다. GaitMM에서 우리는 전체 몸과 세밀한 시퀀스 학습 모듈(FFSL)을 설계하여 부분 간 독립적인 공간-시간 표현을 탐색합니다. 또한, 프레임 단위 압축 전략인 다중 스케일 움직임 집합(MSMA)을 활용하여 보행 시퀀스 내의 차별적 정보를 포착합니다. CASIA-B와 OUMVLP 두 공개 데이터셋에 대한 실험 결과, 우리의 접근 방식이 최신 성능을 달성함을 확인할 수 있었습니다.