2022年2月14日，智能视觉计算联合研究中心（BNU-IVC）课题组在IEEE Transactions on Neural Networks and Learning Systems（TNNLS, IF: 10.4, CCF-B类/中科院一区/JCR Q1区，人工智能顶级期刊）发表了题为Gait Quality Aware Network: Toward the Interpretability of Silhouette-Based Gait Recognition的研究论文。

该论文提出了一个用于步态识别的步态质量感知网络（GQAN），在网络中通过帧质量感知块（FQBlock）和部件质量感知块（PQBlock）来评估每个步态剪影图的轮廓和部件质量。具体来说，FQBlock使用压缩激励机制得到所有通道的分数作为帧质量的衡量指标，而PQBlock添加部件质量损失，使得衡量部件质量能够以端到端的方式进行训练，并仅需序列级别的身份标注。该方法能够推动基于剪影的步态识别的可解释性进一步提升。在实验中，该方法在步态识别的主流数据集CASIA-B和OUMVLP上都取得了出色的结果。

图1 GQAN网络框架图

本研究获得了中央高校基本科研业务费专项资金项目基金等的资助。论文第一作者为侯赛辉；通讯作者为黄永祯教授。

论文题目：Gait Quality Aware Network: Toward the Interpretability of Silhouette-Based Gait Recognition

论文网址：https://ieeexplore.ieee.org/abstract/document/9737002

课题组老师联系方式：

黄永祯教授：huangyongzhen@bnu.edu.cn

侯赛辉老师：housaihui@bnu.edu.cn