GLGait：一种用于野外步态识别的全局-局部时间感受野网络
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对现有步态识别方法在野外场景中表现不佳的问题，提出了一种全新的全局-局部时间感受野网络（GLGait）。该网络通过伪全局时间自注意力和时间卷积操作有效地构建了全球-局部时间感受野，显著提高了步态识别的精度，尤其是在复杂环境中的应用效果达到了最佳状态。
该论文介绍了一种名为Gait Parsing Sequence (GPS)的新的步态表示方法，通过从视频帧中提取的人体分割细粒度序列编码细粒度人体部分的形状和动态，实现准确的野外步态识别。论文提出了基于人体解析的步态识别框架ParsingGait，包含卷积神经网络和轻量级头部，实现全局语义特征提取和人体行走详细动态建模。论文还构建了首个野外步态解析数据集Gait3D-Parsing，并通过实验证明了GPS表示和ParsingGait方法的准确性改进和优越性。
