• 学术研究 • 下一篇
陈福仕, 沈尧, 周池春, 丁锰, 李居昊, 赵东越, 雷永升, 潘亦伦
CHEN Fushi, SHEN Yao, ZHOU Chichun, DING Meng, LI Juhao, ZHAO Dongyue, LEI Yongsheng, PAN Yilun
摘要: 在光学技术高速发展的现代,步态特征因非接触、非侵入、难伪造、远距离采集等优势受到了学界的广泛关注。目前步态识别算法主要为依赖标签数据的有监督学习方法,庞大的标签标注量在实际应用中面临多重挑战。无监督学习不需要标注就能完成对数据内在特征的自动分析,更贴合实际应用的需求。为了全面认识无监督学习步态识别发展现状及趋势,本文对领域相关工作进行了梳理。首先,本文介绍了步态识别常用数据集、通用制作方式以及主流评价指标。随后,从基于GAN的步态识别方法、基于聚类的步态识别方法、基于无监督域适应的步态识别方法和其他方法4个方向详细介绍了目前基于无监督学习的步态识别相关研究思路;选取了CASIA-B、OU-MVLP和OU-ISIR LP三个典型数据集,对主要无监督算法性能进行综合对比;对各方向研究侧重点进行总结讨论,针对存在的交叉研究情况进行评论综述,为未来研究提供借鉴思路。最后,研究分析了无监督步态识别算法目前面临的挑战,并以此展望步态领域未来的发展方向。