GAF-Net: 외모 및 보행 인식을 통한 비디오 기반 인물 재식별

비디오 기반 개인 재식별(Person Re-identification, Re-ID)은 다양한 카메라 간의 영상 시퀀스를 기반으로 개인을 일치시키는 도전적인 과제이다. 기존의 대부분의 Re-ID 기법은 외형 정보에만 초점을 맞추고 있으나, 보행 특징(Gait features)을 포함시킬 경우 개인 Re-ID 시스템의 성능 향상이 가능할 수 있다. 본 연구에서는 RGB 트랙렛(Tracklets)에서 추출한 외형 특징과 뼈대 자세 추정(Skeletal pose estimation)을 통해 추출한 보행 특징을 통합하여 개인을 재식별하는 새로운 접근법인 GAF-Net을 제안한다. 추출된 두 가지 특징은 하나의 통합 특징 벡터로 결합되어 개인 재식별을 수행한다. iLIDS-Vid 데이터셋을 대상으로 수행한 수치 실험을 통해, 뼈대 기반 보행 특징이 개인 Re-ID 시스템의 성능 향상에 효과적임을 입증하였다. 또한 GAF-Net 아키텍처 내부에 최신의 PiT 네트워크를 통합함으로써 순위 1(Rank-1) 및 순위 5(Rank-5) 정확도를 각각 1퍼센트포인트 향상시켰다.