深度步态识别综述

步态识别是一种极具吸引力的生物特征识别模态，旨在根据个体的行走方式对其进行识别。自2015年以来，深度学习凭借自动学习判别性表征的能力重塑了该领域的研究格局。基于深度学习的步态识别方法现已主导该领域的最先进技术，并推动了现实世界中的应用。在本文中，我们全面概述了深度学习在步态识别中的突破与最新进展，涵盖了数据集、测试协议、最先进解决方案、挑战以及未来研究方向等广泛主题。我们首先回顾了常用的步态数据集以及为其设计的评估原则。随后，我们提出了一种由身体表征、时间表征、特征表征和神经网络架构四个独立维度组成的新分类法，以帮助刻画和组织该领域的研究格局与文献。依据我们提出的分类法，我们对使用深度学习的步态识别方法进行了全面综述，并讨论了它们的性能、特性、优势与局限。我们以对当前挑战的讨论作结，并提及了步态识别未来研究中若干有前景的方向。