经验啦

  1. 首页 > 科技 > >

ai|小众却高端的“视频新基建”：步态识别技术如何穿越萌芽期？( 二 )


步态识别：“理想”中的那些“现实”
与人脸识别、指纹、虹膜等AI识别技术相同的是 ， 步态识别技术对算法、训练库和对象同样有着较高的要求 ， 特别是在算法和软件上 ， 由于步态识别技术的距离以及识别目标相对宽松 ， 会要求其拥有更高的准确度以及辨别性 。
这背后与训练底库脱不开关系 ， 人脸、指纹等识别技术能够率先落地 ， 和训练方法和对象密切相关 ， 这些特征的训练底库是以图像训练为主 ， 手机等终端设备的快速发展让获取图像/指纹极为普遍 ， 样本量巨大 ， 但步态识别只能通过视频识别 ， 训练底库的训练方法和对象多是通过算法对视频进行解析和计算 ， 背后的工作量更为巨大 。
目前 ， 市场上一款步态识别技术的初步形成 ， 至少是基于百万级的训练库之上 ， 而成熟可应用的技术至少是要达到超百万级别的训练量 ， 这也是很多企业望而生畏的关键 ， 对算法、训练库的要求过高 ， 使得这项技术的壁垒过高 ， 当前这项技术仅掌握在银河水滴、大华股份、盈力等少数厂商手里 ， 整体技术存在高度集中的现象 。
另外 ， 尽管目前国家工信部、公安部等相关部门都在大力推进步态识别的落地 ， 但从市场竞争格局来看却不利于步态识别的发展 。
公开数据显示 ， 目前生物识别技术市场结构中 ， 指纹识别占比达到58% ， 人脸识别占比为 18% ， 虹膜识别占比 7% ， 此外掌纹识别以及声音识别分别占比 7%及 5% ， 也就是说步态、静脉、声纹等新型识别技术共分不到5%的市场份额 ， 步态识别的发展空间较小 。
而且 ， 从当前的市场环境来看 ， 人脸识别无疑是现在资本及市场最热门的“宠儿” ， 预计今年 ， 人脸识别市场规模将达到530亿元 ， 复合增长率达到53% ， 国内外市场都在大力普及人脸识别的应用 ， 进一步压缩了其他AI识别技术的市场空间 。
最后 ， 由于步态识别技术的载体 ， 同样是摄像头或是扫描设备 ， 那么 ， 就会同人脸识别、虹膜这些面临同样一个问题 。
即便步态识别技术再先进、成熟 ， 但硬件及载体处于落后阶段 ， 其识别效果也会大打折扣 ， 这也是现在很多步态识别技术 ， 对摄像头等扫描设备的清晰度有着较高要求的关键所在 。 另外 ， 由于步态识别的“非强迫性”特性 ， 还会受到天气、人物着装、人物角度等影响 ， 同样会降低识别的精准度 。
技术和产品的落地 ， 终归不是一帆风顺 ， 对于步态识别技术来说 ， 这也是必须经历的阶段 ， 从小到大、从缺陷到完善 ， 都是需要步态识别下的企业去一一解决 。
行业远未到商业化考量阶段
一款产品、技术的研发或应用 ， 最终目的都是为了商业化落地 ， 对于步态识别技术来说 ， 也不例外 。 那么 ， 在当前情形下 ， 步态识别技术要想实现商业化落地 ， 还需要完善哪些方面？
一方面 ， 解决技术本身所带来的识别缺陷 。 目前 ， 尽管部分步态识别头部企业的试验识别率已经超过了90% ， 但从整体上来看 ， 步态识别作为刚起步的技术 受天气、场景、目标等特殊性的影响 ， 试验识别率只有80% ， 其可靠性不如人脸识别技术 ， 目前 ， 人脸识别技术的普遍识别率已经达到了98%以上 ， 拥有领先算法及软件的人脸识别技术 ， 识别率甚至超过99% 。
对于步态识别技术来说 ， 通过加强对步态识别软件、算法的开发以及训练底库的完善 ， 包括增加对数千路高清摄像头的并发量 ， 以及提升产品芯片的算力 ， 来降低这种识别缺陷几率的出现 。 除此之外 ， 步态识别还需要建立庞大的贴近实际场景的步态数据库 ， 包括各种形式的行走姿态以及不同体型的身形数据收等等 ， 加强与摄像头收集的步态数据的同步对比 ， 保证对比和识别的准确性 。

相关经验推荐


上一篇：英伟达|12个生活好物品牌

下一篇：VR|苹果的竞品是它自己，它的每次更新，都要照顾老款的使用体验