从人脸到步态，腾讯优图探索生物识别新模式

还记得2015年《碟中谍5》里人工智能“黑科技”的应用吗？阿汤哥的搭档——黑客班吉通过易容，突破了安保系统的重重防线，最终却败给了AI科技，这一情景相信依旧历历在目，这就是步态识别技术的早期雏形。

（图片来源于网络）

近日，腾讯优图刷新了步态识别领域两大核心数据集CASIA-B数据集和OU-ISIR MVLP数据集的成绩，部分情景识别准确度提升11.3%。CASIA-B全称是CASIA Gait Dataset B，2005年1月由中科院采集并发布，是学术界和工业界最经典也是最权威的评测步态识别效果的数据集之一。OU-ISIR MVLP数据集则是大阪大学科学与工业研究所发布的多视角大规模步态识别数据集，也是目前步态识别领域最大的公开数据集之一。

和目前已经被广泛应用的人脸识别技术相比，步态识别技术的“出镜率”其实并不高。实际上，这种技术应用范围广泛，无论是在刑侦安防还是在生活家居等领域，人们不经意的步态动作，都能成为识别的重要因素。

那么究竟步态识别技术是什么？让我们来了解一下：

什么是“步态识别技术”？

步态识别技术的核心来源于人类行走姿态的不同，人体在肌肉力量、骨骼长度、骨骼密度、协调能力、体重、重心等生理条件以及个人走路的“风格”上都存在细微差异。步态识别技术正是通过视频中捕捉到的行走模式，进行身份识别的一项前沿生物特征识别技术。

“步态识别技术”的优势？

普通的身份识别技术，包括指纹、面部、虹膜、语音等，相较于上述传统的身份识别方法，步态识别技术一方面不依赖服饰信息，对于跨天、换装的行人识别同样保持较高的精度，另一方面对图像质量鲁棒性高，距离较远、拍摄较模糊的人体图像也能识别。总的来说步态识别技术作为非受控性的识别方式具有非接触、远距离和不容易伪装的优点，在智能视频监控领域，更具优势。

（数据来源于网络资料）

步态识别技术的本质是识别一个行人行走模式的动态过程，在步态识别技术的研究中，优图创新性的提出了OGFN（Ordered Gait Fusion Network）算法，OGFN算法基于时序的步态轮廓图像输入以及时序上的特征融合。实验证明，OGFN算法能够很好地提升步态识别的精度，即使在CASIA-B中最难的CL（大衣）类别评测中，优图也能够将准确率提升11.3%。此外，为了解决传统步态识别中拍摄距离较远导致图像分辨率低的问题，优图借鉴了此前在行人重识别研发中的成果，沿用了基于分块的特征金字塔模型，实现了特征图的全局特征和局部特征的高效融合，为最终的准确识别提供强大的特征依据。

“步态识别技术”如何应用？

步态识别技术因其识别准确度高、非接触性等诸多优势，应用价值比较高，应用场景也比较广泛。其中较为典型的是安防领域，通过鉴别目标人员的身高体态、运动模式等特征，从海量视频中快速搜索出与样本高度相似的目标或视频片段，从而达到在换装、跨场景、面部遮挡的情况下，也可以快速识别出嫌疑人的目的，很好地弥补同等条件下其它生物识别技术的应用盲点。

（图片来源于网络）

在一些特殊的行业领域，如采矿、大型厂区等场景，步态识别技术也有非常强的应用性：这类场景以野外露天或空旷园区为主，同时对于安全性要求比较高，传统的识别方式难以进行有效识别和防范，而步态识别技术拥有远距离、非受控的特点，可以有效加强该类场景下安防体系，及时发现隐患，有效提高安保效率。

从人脸到步态，腾讯优图探索生物识别新模式

目前，步态识别技术已经成为继人脸识别技术之后一个新的生物识别技术热点，并且能够弥补人脸识别技术的一些应用盲点。对于腾讯优图而言，在步态识别等新生物技术领域的探索，更多是期许多种技术能力能够相辅相成，更好服务于实际应用场景。

此次在步态识别上的算法突破，为优图在相关领域的深入发展打下了坚实基础，相信不久以后，步态识别技术将陆续应用在智慧安防、智慧生活等多个领域。在技术突破的同时，优图实验室将不断积极推动视觉AI技术落地，进而更好地造福社会回馈社会。