Core Concepts
실루엣과 골격 특징을 결합하여 보행 인식 성능을 향상시키는 GaitPoint+ 모델을 제안한다. 또한 버려지는 키 포인트를 재활용하는 Recycling Max-Pooling 모듈을 도입하여 성능을 추가로 개선한다.
Abstract
이 논문은 보행 인식을 위한 새로운 프레임워크인 GaitPoint+를 제안한다. GaitPoint+는 실루엣 특징과 골격 특징을 결합하여 보행 인식 성능을 향상시킨다. 실루엣 특징은 기존의 CNN 기반 방법을 사용하고, 골격 특징은 3D 점 구름 처리 기법을 활용한다.
특히 기존의 max-pooling 연산이 많은 유용한 키 포인트를 버리는 문제를 해결하기 위해 Recycling Max-Pooling (RMP) 모듈을 도입한다. RMP 모듈은 버려진 키 포인트 정보를 재활용하여 보행 인식 성능을 추가로 향상시킨다.
실험 결과, GaitPoint+는 기존의 실루엣 및 CNN 기반 방법들에 비해 보행 인식 성능이 우수하며, 특히 가방 착용이나 두꺼운 옷 착용과 같은 외모 변화가 있는 경우에 더 큰 성능 향상을 보인다. 또한 RMP 모듈을 통해 추가적인 성능 향상을 달성할 수 있음을 확인하였다.
Stats
실루엣 기반 방법들의 정상 보행 시 정확도는 95% 이상이지만, 가방 착용 시 약 90%, 두꺼운 옷 착용 시 약 75%로 크게 떨어진다.
GaitPoint+는 정상 보행 시 96.34%, 가방 착용 시 91.54%, 두꺼운 옷 착용 시 84.27%의 정확도를 달성하여 기존 방법들에 비해 성능이 향상되었다.
RMP 모듈 적용 시 두꺼운 옷 착용 시 정확도가 84.27%에서 88.14%로 향상되었다.
Quotes
"실루엣 기반 방법들은 외모 변화에 취약하지만, 골격 특징은 이러한 변화에 더 강건하다."
"버려지는 키 포인트 정보를 재활용하는 RMP 모듈을 통해 추가적인 성능 향상을 달성할 수 있다."