打发走韩烟凝，章杉又准备读书。
不过这个时候章杉突然想起系统的提示——
“宿主成功触发系统第29个成就——薪火相传，特赠与宿主神秘技术类礼包一份~”
神秘技术？
想想就很刺激~
章杉果断选择了开启礼包。
“礼包开启中……”
“恭喜宿主获得超凡级生物识别技术——步态识别”
章杉：！！！
生物识别技术并不是什么新鲜的概念，在AI时代，越来越多的生物特征可以被提取出来并进行识别。
目前市场应用比较多的有人脸识别、指纹识别、声纹识别等~
人脸识别在现在这个时间节点虽然还没有说是烂大街~
但也几乎在广泛商用的前夕了。
甚至门槛相对较高的虹膜识别、掌静脉识别在个别场景也已经落地应用。
但步态识别技术因为门槛较高，几乎是在落地应用中难觅踪影。
步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别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，比图像识别更具优势。
步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。
英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。
对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。
人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。
步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。
但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。
尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。
步态识别主要提取的特征是人体每个关节的运动。
说起来很简单，不过实现很难~
至少到目前为止，还没有商业化的基于步态的身份鉴别系统。
当然，现在这一切要随着这个礼包的横空出世画上一个句号了。
章杉能感觉到系统的凡尔赛，一个成熟的步态识别技术的构建岂是用四千万就能衡量其价值的。
但系统偏偏将这份技术当作一个价值四千万的礼包送给章杉。
~~~
虽然步态识别具有非接触、远距离和不容易伪装的优势~
但是章杉能想象的道这门技术商业级应用的难度！
但在落地应用时，步态识别需要随机采样大量的时序步态数据进行模型学习。建步态库，然后根据步态数据提供系统解决方案。
在前期建库采集数据的时候，步态识别的正面识别率低，容易受到性别、步长、节奏、速度等的干扰；
同时，相机角度、天气条件、遮挡物、附属物、道路崎岖、甚至衣服光照等都会影响准确性；
比较难获取年龄、性别等信息，而且非普遍性，如残疾人不适合步态识别技术。
那么在落地商用的过程中，大多数监控场景都是比较复杂的，可能存在多个运动物体，行人图像容易受天气、光照等外界因素的影响，而有所变化。
以日照条件下运动目标的影子为例，它可能与被检测的目标相连，也可能与目标分离。如果是前者，影子扭曲了目标形状，使基于轮廓的步态识别方法不可靠；如果后者，影子可能被误认为是场景中一个错误的目标。
因此，在实际场景下的步态检测面对的挑战不小。
步态识别提取的特征点包含两个方面，一方面是提取静态的内部特征，如身高、头型、腿骨、关节、肌肉等生理结构，这些特征相对比较稳定，在很长一段时间，都不会发生大的变化；
第二方面，是提取人的动态特征，比如走路姿态、手臂摆幅、晃头耸肩、运动神经敏感度等，这些动态特征与身体属性密不可分，很长一段时间内也会相对比较稳定。但是，这些动态特征的提取与处理难度也更大。
行人重识别依靠行人的整体姿态来做检索，主要提取静态的外部特征，比如穿着、背包、发型、雨伞等，通过分析行人的穿着和体态来识别人。
但是，这些静态的外部特征很容易发生改变，比如整体外型发生变化，换了衣服、发型、帽子、鞋子，甚至是伪装姿态、体型等等。
这章没有结束，请点击下一页继续阅读！
喜欢读书成神豪请大家收藏：(m.2yq.org)读书成神豪爱言情更新速度全网最快。