1. 首頁 > 科技 > >

ai|小眾卻高端的“視頻新基建”：步態識別技術如何穿越萌芽期？( 二 )


步態識別：“理想”中的那些“現實”
與人臉識別、指紋、虹膜等AI識別技術相同的是 ， 步態識別技術對算法、訓練庫和對象同樣有著較高的要求 ， 特別是在算法和軟件上 ， 由于步態識別技術的距離以及識別目標相對寬松 ， 會要求其擁有更高的準確度以及辨別性 。
這背后與訓練底庫脫不開關系 ， 人臉、指紋等識別技術能夠率先落地 ， 和訓練方法和對象密切相關 ， 這些特征的訓練底庫是以圖像訓練為主 ， 手機等終端設備的快速發展讓獲取圖像/指紋極為普遍 ， 樣本量巨大 ， 但步態識別只能通過視頻識別 ， 訓練底庫的訓練方法和對象多是通過算法對視頻進行解析和計算 ， 背后的工作量更為巨大 。
目前 ， 市場上一款步態識別技術的初步形成 ， 至少是基于百萬級的訓練庫之上 ， 而成熟可應用的技術至少是要達到超百萬級別的訓練量 ， 這也是很多企業望而生畏的關鍵 ， 對算法、訓練庫的要求過高 ， 使得這項技術的壁壘過高 ， 當前這項技術僅掌握在銀河水滴、大華股份、盈力等少數廠商手里 ， 整體技術存在高度集中的現象 。
另外 ， 盡管目前國家工信部、公安部等相關部門都在大力推進步態識別的落地 ， 但從市場競爭格局來看卻不利于步態識別的發展 。
公開數據顯示 ， 目前生物識別技術市場結構中 ， 指紋識別占比達到58% ， 人臉識別占比為 18% ， 虹膜識別占比 7% ， 此外掌紋識別以及聲音識別分別占比 7%及 5% ， 也就是說步態、靜脈、聲紋等新型識別技術共分不到5%的市場份額 ， 步態識別的發展空間較小 。
而且 ， 從當前的市場環境來看 ， 人臉識別無疑是現在資本及市場最熱門的“寵兒” ， 預計今年 ， 人臉識別市場規模將達到530億元 ， 復合增長率達到53% ， 國內外市場都在大力普及人臉識別的應用 ， 進一步壓縮了其他AI識別技術的市場空間 。
最后 ， 由于步態識別技術的載體 ， 同樣是攝像頭或是掃描設備 ， 那么 ， 就會同人臉識別、虹膜這些面臨同樣一個問題 。
即便步態識別技術再先進、成熟 ， 但硬件及載體處于落后階段 ， 其識別效果也會大打折扣 ， 這也是現在很多步態識別技術 ， 對攝像頭等掃描設備的清晰度有著較高要求的關鍵所在 。 另外 ， 由于步態識別的“非強迫性”特性 ， 還會受到天氣、人物著裝、人物角度等影響 ， 同樣會降低識別的精準度 。
技術和產品的落地 ， 終歸不是一帆風順 ， 對于步態識別技術來說 ， 這也是必須經歷的階段 ， 從小到大、從缺陷到完善 ， 都是需要步態識別下的企業去一一解決 。
行業遠未到商業化考量階段
一款產品、技術的研發或應用 ， 最終目的都是為了商業化落地 ， 對于步態識別技術來說 ， 也不例外 。 那么 ， 在當前情形下 ， 步態識別技術要想實現商業化落地 ， 還需要完善哪些方面？
一方面 ， 解決技術本身所帶來的識別缺陷 。 目前 ， 盡管部分步態識別頭部企業的試驗識別率已經超過了90% ， 但從整體上來看 ， 步態識別作為剛起步的技術 受天氣、場景、目標等特殊性的影響 ， 試驗識別率只有80% ， 其可靠性不如人臉識別技術 ， 目前 ， 人臉識別技術的普遍識別率已經達到了98%以上 ， 擁有領先算法及軟件的人臉識別技術 ， 識別率甚至超過99% 。
對于步態識別技術來說 ， 通過加強對步態識別軟件、算法的開發以及訓練底庫的完善 ， 包括增加對數千路高清攝像頭的并發量 ， 以及提升產品芯片的算力 ， 來降低這種識別缺陷幾率的出現 。 除此之外 ， 步態識別還需要建立龐大的貼近實際場景的步態數據庫 ， 包括各種形式的行走姿態以及不同體型的身形數據收等等 ， 加強與攝像頭收集的步態數據的同步對比 ， 保證對比和識別的準確性 。

相關經驗推薦