지역 마스크를 이용한 그래프 합성곱 네트워크를 통한 보행 인식 방법

초록: 스켈레톤 기반 보행 인식에서 균일한 그래프 합성곱의 한계를 극복하기 위해 - 특히 협응된 사지 움직임을 적응적으로 모델링할 수 없는 문제를 해결하기 위해 - 본 논문에서는 MA-Gait라는 새로운 프레임워크를 제안합니다. 핵심 혁신은 팔, 다리, 머리, 몸통과 같은 주요 신체 부위에 적용되는 글로벌 컨텍스트 마스크와 통합된 지역 마스킹 메커니즘입니다. 이것은 협응된 움직임 동안 이러한 지역 마스킹된 영역에서 특징 추출을 향상시키기 위해 멀티 헤드 주의 그래프 합성곱 네트워크를 안내합니다. 또한 원심 상대 관절 좌표 및 골격 길이를 포함하는 다중 의미 보행 데이터를 구성하여 병렬 특징 학습을 위한 다중 분기 아키텍처를 통해 보행 표현을 풍부하게 합니다. CASIA-B 및 OUMVLP-Pose 데이터 세트에서 평가된 MA-Gait는 각각 91.4% 및 62.2%의 평균 인식 정확도를 달성하며, 기존 모델 기반 방법을 유의미하게 초월합니다. 결과는 복잡한 조건(예: 시점 변화 및 폐색)에서 차별화된 보행 특징을 포착하는 데 있어 지역 마스킹 메커니즘, 다중 분기 설계 및 다중 의미 학습 패러다임의 효과를 검증합니다.