14、步态识别技术的发展与挑战

步态识别技术的发展与挑战

1. 步态识别的参数估计与方法选择

在某些情况下，仅估计部分参数而非尝试恢复完整的体积模型是更合适的做法。当从远距离观察步态且捕获的视频图像分辨率较低时，基于3D模型的跟踪方法可能无法适用。此时，计算成本较低的2D跟踪方法则更为可取，这也是基于轮廓的步态识别方法目前流行的原因。

一般来说，像步态识别这样的生物识别系统的处理速度值得更多关注，特别是在监控应用中。研究人员期待新的跟踪技术能够提高性能，同时降低计算成本。随着自动步态识别系统的需求增长，与自动提取步态动态相关的视觉技术有望快速发展。

2. 评估方法的改进

当前步态识别存在明显的局限性，主要体现在缺乏合适的评估数据库，以及不清楚个体间或个体内的变化在实验条件和实际情况中是否一致。为了改进评估方法并确定各种数据集和因素对识别性能的影响，制定收集数据和设计实验的标准协议至关重要。具体包括以下几个方面：
- 评估步态作为生物特征的潜力 ：人们通常可以通过观察他人的行走方式来识别他们，尤其是熟人。然而，需要确认在比现有数据库更大规模和更具挑战性质量的数据库上评估时，通过步态识别个体的方法是否仍然有效。目前，步态作为生物特征的局限性在于缺乏通用的评估数据库，以及对成像条件导致的个体间和个体内变异性的了解不足。因此，在未来的研究中，进一步评估远距离步态作为生物特征的潜力非常重要。
- 提高数据库的质量和规模 ：数据库的质量和规模在人类识别领域是两个极其重要的因素。建立一个具有相当规模和现实条件的通用数据库对于评估步态识别算法尤为必要。类似于FERET协议的具有独立测试数据库的数据库可能非常有