LiDARによって取得された高精度な深度データは、歩行認識の性能を大幅に向上させることができます。しかし、これらの深度データは比較的粗く、明確なセグメンテーション境界を欠いているため、人体の正確な動作や体型の判断においてより多くの曖昧さを生じさせ、それによってモデルが歩行に関連する特徴を識別して学習する能力を弱めています。上述の問題に対して、新規の深度ベース歩行認識向けシルエット誘導動作強化モデル「SigmaGait」を提案します。本モデルはシルエットの明瞭な境界と均一な前景を活用し、局所領域の運動パターンおよび細粒度の外観特徴に対するモデルの認知能力を強化します。さらに、LiDARセンサーのない環境に対応するために、RGBカラー画像データを用いた疑似深度生成手法を検討しました。既存のスキニングマルチパーソン線形モデル（SMPL）を用いて推定された人体メッシュを疑似深度マップとしてレンダリングし、一般的なカメラとLiDAR歩行認識法間の性能差を縮小しています。提案手法は、衣服変更人物再識別と歩行認識（CCPG）、SUSTech1K、FreeGaitを含む複数の実データおよび合成データセットで体系的に評価されました。実験結果は、提案モデルが実際のLiDARデータで最先端の性能を達成し、疑似深度マップは合成データ由来であるにもかかわらず、2Dデータセットでの認識精度を大幅に向上させることを示しています。

歩行認識; 深度; スキニングマルチパーソン線形モデル（SMPL）; LiDAR; 疑似深度