我校博士生郑锦凯的研究成果———用步态算法优化身份识别，于日前在 ISCAS 这一国际学术会议上发表。据悉，该成果有望在刑侦破案、寻找丢失儿童等领域一显身手。
近年来，人脸识别已成为当下最流行的实名认 证方案，而随着人工智能技术的发展，步态识别开始 应用在公共场所身份识别中。 步态识别，即通过“走姿”识别身份。一般来说， 不同人的“走姿”是不一样的。
当前，步态识别普遍使用的是深度学习算法，需 要在数据库里输入相关人员的步态数据和对应身份信息。但实际场景中步态数据收集容易，身份信息收 集难，该怎么办？
为此，我校博士生郑锦凯通过可迁移邻域发现算法，在多个场景中扩充数据库，录入不同人的“走 姿”，并进行自我学习，逐渐识别“哪些步态是谁的”，从而锁定目标人物。
为了解释可迁移邻域发现算法，郑锦凯举了个 例子：让孩子认识中国的动物种类，需要给他一些动 物图片以及相对应的动物名称。在这之后，倘若想让 他尝试对一些国外动物进行分类，他会把之前见过的动物筛选出来进行分门别类，再在剩下的动物中， 根据相同属性分类，猜测它们是否属于一个新物种。 接着，他继续在图片中寻找和新物种相似的动物，一直重复上述步骤，直到所有图片都被找完。 郑锦凯表示，运用可迁移邻域发现算法，能在新 场景下实现步态识别模型的快速部署。经过反复试验，该算法在步态识别精度上大大超过以往使用的聚类赋伪标签识别方法。
该成果于日前在 ISCAS 这一国际学术会议上发表，并荣获 2021 年度 IEEE MSA-TC 最佳论文提名奖。
据悉，郑锦凯来自自动化学院智能信息处理实 验室，该实验室由杭电教授颜成钢领衔，与美国北卡 罗来纳大学教堂山分校、中国科学院、清华大学、京 东 AI 研究院等国内外多家科研院所有长期密切的 合作，近年来培养出多名优秀学生，多人多次在国际重要学术会议上获得最佳论文奖。 （程振伟）
