[論文レビュー] A Comprehensive Survey on Deep Gait Recognition: Algorithms, Datasets and Challenges

Chuanfu Shen, Shiqi Yu+3 more|arXiv (Cornell University)|Jun 28, 2022

Gait Recognition and Analysis被引用数 30

ひとこと要約

この論文は、深層学習に基づく歩行認識の最新の調査を提供し、二次元の分類法（深層表現とアーキテクチャ）を導入し、データセットをレビューし、シナリオ全体での性能を評価し、プライバシーとセキュリティの懸念に対処する。

ABSTRACT

Gait recognition aims to identify a person at a distance, serving as a promising solution for long-distance and less-cooperation pedestrian recognition. Recently, significant advancements in gait recognition have achieved inspiring success in many challenging scenarios by utilizing deep learning techniques. Against the backdrop that deep gait recognition has achieved almost perfect performance in laboratory datasets, much recent research has introduced new challenges for gait recognition, including robust deep representation modeling, in-the-wild gait recognition, and even recognition from new visual sensors such as infrared and depth cameras. Meanwhile, the increasing performance of gait recognition might also reveal concerns about biometrics security and privacy prevention for society. We provide a comprehensive survey on recent literature using deep learning and a discussion on the privacy and security of gait biometrics. This survey reviews the existing deep gait recognition methods through a novel view based on our proposed taxonomy. The proposed taxonomy differs from the conventional taxonomy of categorizing available gait recognition methods into the model- or appearance-based methods, while our taxonomic hierarchy considers deep gait recognition from two perspectives: deep representation learning and deep network architectures, illustrating the current approaches from both micro and macro levels. We also include up-to-date reviews of datasets and performance evaluations on diverse scenarios. Finally, we introduce privacy and security concerns on gait biometrics and discuss outstanding challenges and potential directions for future research.

研究の動機と目的

• 深層歩行認識を、深層表現学習とニューラルアーキテクチャの二次元分類法の観点から要約する。
• クロスビュー、野外（in-the-wild）、布地変更、3D空間のシナリオでデータセットとベンチマークの進展をレビューする。
• 生体認証のセキュリティとプライバシーへの影響を論じ、未解決の課題と将来の方向性を概説する。

提案手法

• 深層表現学習と深層ネットワークアーキテクチャに焦点を当てた深層歩行認識の新しい二次元分類法を提案する。
• マイクロ（特徴学習）とマクロ（アーキテクチャ）の観点から既存の深層歩行手法を調査・分類する。
• 四つのシナリオ：クロスビュー、野外、布地変更、および3D空間での歩行データセットと性能評価の最新レビューを提供する。
• 歩行生体認証におけるプライバシーとセキュリティ上の懸念を論じ、今後の研究の方向性を提案する。

実験結果

リサーチクエスチョン

• RQ1 歩行認識に用いられる現在の深層表現学習技術は何か？
• RQ2 ニューラルアーキテクチャ（識別的 vs. 生成的）は歩行認識の性能にどう寄与するか？
• RQ3 主要なデータセットは何で、方法はクロスビュー、野外、布地変更、3D空間でどう性能を発揮するか？
• RQ4 どのようなプライバシーとセキュリティの問題が歩行生体認証を脅かし、今後の方向性はそれらにどう対処するか？

主な発見

• 本調査は、深層歩行認識手法、データセット、ベンチマークの最新カタログを提供する。
• 深層歩行手法を深層表現学習とニューラルアーキテクチャの観点から分析する新しい分類法を提案し、従来のモデル対外観ベースの分類を超えたマクロ/マイクロの視点を提供する。
• シナリオ間の性能は要約され、深層モデルはCASIA-Bのようなデータセットで高い精度（外観変更設定での高精度を含む）とGREWのような大規模な屋外試験で70%を超えるrank-1を達成することが分かる。
• 本論文は生体識別のセキュリティとプライバシーの懸念を論じ、歩行生体認証における課題と将来の方向性を強調している。