步态识别技术在公安实战中的应用与发展

陈春杰

（常州市公安局,江苏 常州 213000）

步态识别技术自1994年面世以来，伴随着各市“雪亮工程”“天眼系统”的大规模建设并投入使用，各个城市的视频监控数量与日俱增，视频监控也完成了从传统模拟监控到高清数字化的过渡[1]。当前步态识别技术进入了高速发展时期，加上人工智能（Artificial Intelligence,AI）技术的发展和不断应用到各行各业，智能视频监控分析技术成为公安实战中应用的一种重要侦查手段。步态是指通过对人们行走的姿势进行研究，探索人行走的周期性规律。个人生理上的差异，导致其行走方式存在着根本性的差别。步态识别，是对视频监控中的行人进行各方面生理特征的分析，通过与后台数据库比对，来识别人员的身份信息。目前，步态识别的国际最高水平精度只有65%，而中国的步态识别技术经历了几年的优化和发展，精度已经达到了94%以上，50米外行人的实时步态，在普通全高清摄像机下，识别准确率已高达90%以上。步态识别技术表现出其独有的优势和应用前景，研究步态识别技术现状和发展，将在协助打击违法犯罪、大型公共活动安保等方面，为公安实战带来革命性的解决方案，意义非凡[2]。

1 步态识别原理和流程

步态识别技术的原理主要是通过视频数据或者实时采集行人的步态视频，对视频画面中的行人展开四步法，即追踪、检测、分割、提取，得到行人的动态特征，如行人的腰部、双臂、双腿、头部等部位的摇动、摆臂、行走等，另外还要对行人的静态特征进行提取，如面部、服饰等，然后将提取到的特征转换为特征值，进行编码，再与现有数据库中的行人特征值匹配比对，按阈值相似度大小排序，从而识别人员的身份信息[3]。

步态识别技术的主要过程涉及步态采集、步态分割、步态特征提取以及特征对比，图1为步态识别技术流程图。

图1 步态识别技术流程图

1.1 步态特征采集

通常情况下，步态特征采集主要涉及计算机视觉的方法、肌电信号传感器方法、压力测试板等方法。一般使用监控摄像机来采集步态数据，包含彩色（RGB）摄像机、运动相机等。当前，步态特征数据主要利用RGB摄像机进行采集。在一些照明不好的情况下或者遇到环境恶劣时，部分步态数据集通过红外摄像机来捕获。此外，三维体感摄像机可以直接输出人体的关节位置和姿态[4]。

1.2 步态分割

行人的步态分割是视频监控技术中不可或缺的一部分。步态分割是从已抓拍的视频序列图像中，将行人的步态轮廓进行差分法分割，通过对双脚的距离变化分析，来判断个人行走的步态频率周期，从中提取关键帧用于下一步处理。

1.3 步态特征提取及识别

步态特征提取是对分割出来的人体剪影进行特征提取，包括静态特征和动态特征两方面。步态特征提取是步态识别的关键环节，起初应用的是单一轮廓特征法、融合特征法，但两者均需依靠人工来提取特征，而且部分特征不能完整被提取。目前，深度学习和卷积神经网络方式被广泛应用于步态特征的提取，其适用于防控场合的步态提取，不同行人的特征区别很明显，同一个体的步态特征有很强的内聚性，拥有毫秒级响应速度[5]。常用的步态识别分类器包括支持向量机、孪生支持向量机以及K近邻法等。

1.4 常规步态数据集

最早的步态数据库是在1998年由加州大学的研究者所创建的。步态数据集用于采集行人处于不同时间、不同状态时行走姿态的视频序列。常用的三个步态数据集分别是清华大学发布的GREW数据集、中科院发布的CASIA-B数据集及日本大阪大学发布的OU-MVLP数据集。

GREW是清华大学提供的户外步态数据集，发布于2021年。数据集中共26 345个目标，128 671段序列，未定义特定角度，共用882个摄像头拍摄。此数据集提供了2D、3D关节点，剪影图及光流图。行走条件包括干扰物、背景、携带物、穿着、遮挡、光照、速度、鞋子和行走方向等。图2为受试者在不同行走条件下的示例。

图2 受试者在不同行走条件下的示例

中国科学院自动化研究所开发的CASIA-B数据库采集于2005年1月。该数据库规模大、多视角，共有124位行人的原始视频数据和轮廓图。每位行人有11个视角（0°、18°、36°、…、180°），如图3所示。命名规则：行人编号-行走条件-序列号-角度（001-nm-01-180.avi）。

图3 行人11个视角的图片

日本大阪大学科学与工业研究所在2018年发布的OUMVLP，是多视角人口步态数据集[6]。数据集共有10 307个目标（其中男性5 114名，女性5 193名，年龄2～87岁之间），4个角度（-270°、-90°、0°、180°）。该数据集提供了2D关节点及剪影图。剪影序列（90°视角）示例如图4所示。

图4 剪影序列

2 步态识别技术特征

与其他常用的生物识别技术对比，步态识别具有以下优点。

2.1 对距离要求较低

在受到前端视频采集设备硬件条件的限制以及识别目标相距较远时，行人面部易模糊不清，在其他生物特征无法采集的情况下，目标人物的行走姿态却清晰可见[7]。另外，从防范角度来看，步态识别更适用于远距离身份辨别。

2.2 无须目标配合

与指纹、虹膜等生物特征识别技术比较，步态识别不需要识别目标体的配合，即可获取所需信息。

2.3 步态特征唯一性

指纹、虹膜等可以利用伪装通过识别系统，步态是人体各个部位的协调动作，是落脚、起脚和支撑摆动阶段，行人的行走姿态具有瞬间稳定性，难以模仿更难以改变，因此步态具有唯一性[8]。步态识别主要受视觉的灵敏程度、肌肉的力量、个人的协调能力、肌腱与骨骼的长度、个人经历、个人的体重、生理以及个人的走路风格等因素影响，每个人的步态都是不尽相同的。因此，步态不同于人像，存在相似性，而具有身份识别的唯一性。此外，心理学研究也表明，步态所独有的唯一性可用于身份鉴别，可以用步态识别系统来做门禁系统。

3 步态识别技术在公安实战中的应用

步态识别技术除了具备唯一性特征之外，还兼具隐蔽性采集的特点。在公安实战工作中，无论工作人员采取何种侦查方法，开展工作的核心任务都是快速准确地确定嫌疑人的身份，步态识别技术的出现大大提升了侦查工作的效率。步态识别以其独有的特征奠定了其在公安实战领域无出其右的应用地位。特别是在各类案件侦查中，反侦查意识强的罪犯就算侥幸躲过面部识别系统，也难以逃脱步态识别系统的识别[9]。

3.1 在治安防控中应用

公安机关为了高效防控重大恶性事件，尤其是涉毒、前科、敏感人群的防范控制、身份核实等问题，可借助步态识别系统加强排查，全面提升全社会治安防控水平。

3.2 在大型活动安保中应用

一般大型活动具有参加人员数量多、活动持续时间较长、影响范围深远、临时性等特点，有效核查人员的身份信息，在第一时间快速鉴别出可疑人员，具有时间的紧迫性，成为大型活动安保的头等大事。为了省时省力快捷高效地开展大型活动安保工作，在活动现场出入口和重点部位安装步态监控，能全面提升大型活动安保质量。

3.3 在打击刑事犯罪时应用

近年来，犯罪向专业化、智能化方向发展。案件发生后，公安机关可以利用步态识别系统以图搜图，进行人员实时布控和搜索人员轨迹，明确嫌疑人的身份和行踪，从而精确、高效、有力地打击违法犯罪。

3.4 在反恐维稳中应用

人的轮廓和人的步态是人们在进行身份识别时首选的甄别方式，即使嫌疑人距离较远，也能帮助公安机关进行快速身份识别。在预防恐怖袭击犯罪时，步态识别能提供早期预警和较长的反应时间，帮助公安机关及早掌握反恐斗争的主动权。

4 步态识别技术发展前景

步态识别技术作为新生力量，具有远距离、360°无死角的全视角特点，让人耳目一新。但是步态识别技术在很多时候依然存在很多挑战和问题，例如，步态特征信息具有易失性、步态数据库小、单独使用步态识别技术无法满足实战需求等。步态识别的发展前景可归纳为以下几方面。

4.1 提高稳健性

目前步态识别研究主要侧重于克服跨视角方向问题，实际拍摄过程中，被遮挡或自遮挡长期存在，很难得到全周期的步态图像，不利于步态特征的提取，影响了步态识别精度。遮挡干扰是目前乃至今后一段时间内需要研究和攻克的技术难题。基于现有的图像信息，通过算法对人体姿态进行计算，或通过对人体姿态的深度计算，还原出被遮挡的部分，有助于提高模型对遮挡问题的稳健性。

4.2 步态视频序列直接输入

大多数步态识别算法是通过叠加步态序列生成能量图，但在叠加合成时，容易造成部分特征信息的丢失。为了能更好地优化和提高步态识别算法的精准度，步态视频序列输入可用于步态特征的提取，以确保人员步态信息的完整性。LSTM网络可以有效解决长序列训练时导致的信息丢失问题，充分利用LSTM网络能提高动态视频序列直接输入的可能性。

4.3 不同条件下步态识别数据库的构建

海量步态数据库是步态识别技术可持续发展的基础保障。但是，目前的步态数据库与人像数据库相比，底库数量要小得多，并且数据收集时的实际情况更是错综复杂，如多变的外部环境、行人不同的状态和行走条件等。为了弥补上述缺陷，科研人员将通过大量样本来学习与训练，构建一个优质的智能神经网络，供公安实战使用。单纯依靠人工单方面收集步态数据，耗时费力，通过裁剪、增设噪声、改变角度、调整亮度等图像样本的扩增法值得一试。

4.4 步态识别技术融合应用

任何生物特征识别技术都有它的不足之处，步态识别技术也不例外。步态识别的准确率会受到各种干扰，例如行人的年龄、身体情况、心理状态及服饰等，将步态识别和其他生物识别技术共同应用，两者之间取长补短，是未来发展的必然趋势[10]。这主要涉及两个维度的融合，分别是特征层面和识别模式层面。特征层面的融合将有助于提升决策的准确性。另外，通常人脸识别的准确性高于步态识别的准确性，但人脸识别在光线差、距离远和多度遮挡时，准确性很不理想，而步态识别配合人脸识别运用，能够大大提高复杂案件人员身份的识别率，构建多模态识别模式是绝佳的选择。今后，步态识别还会和虹膜、指纹、笔迹等生物特征识别技术相融合，开拓生物特征识别领域的新蓝海。

5 结语

目前，步态识别技术对于大型数据集的错误识别率仍然有很大的改进空间。同时，样本数据中依然存在多视角、复杂场景、服饰变换等诸多因素的干扰，捕获到的人体轮廓存在较大的差异，可能导致识别错误。截至目前，步态数据库还存在两个问题：第一，步态数据库规模急需扩大，由于样本实例不足，步态特征维数过高，导致步态识别的精度不理想；第二，当前的步态数据库针对复杂场景的应用不足，尤其是在人流多的情况下，总是会出现多人并排走的情况，导致物遮挡人、人遮挡人，以至于干扰对部分行人的步态特征获取。因此，步态数据集还涉及人流、遮挡、光线照射亮度、天气状况等因素的影响，全面的步态数据集是训练出优质步态识别模型的前提。

伴随着步态识别技术的不断成熟和新的突破，算法发展成熟的周期不断缩短，步态识别指标持续提升，包括数据采集设备产品性价比不断提高等，步态识别技术将会在公安实战领域衍生出越来越多的应用模式，解锁更多、更宽泛的应用场景[11]。由于步态识别具有远距离、易感知和非侵犯性、难伪装的特点，能与广泛使用的人像识别技术相互补充，今后将会大面积地部署在各类公共安全领域，因此，不再需要大量人员安防力量，耗费大量的人力、物力进行巡检和防护，能够主动实现人员非法入侵报警，并自动锁定跟踪嫌疑人员。步态识别技术将成为公安侦查破案、反恐维稳的有效技术支撑，打造我国智慧城市发展的新方向。