MMGait：迈向多模态步态识别
计算机视觉与模式识别
2026-04-20 v1
摘要
步态识别已成为一种强大的生物特征识别技术，可在远距离无需用户配合的情况下识别个体。大多数现有方法主要关注RGB衍生模态，这在需要多模态协作和跨模态检索的现实场景中表现不足。为克服这些挑战，我们提出了MMGait，一个全面的多模态步态基准，整合了来自五种异构传感器的数据，包括RGB相机、深度相机、红外相机、LiDAR扫描仪和4D雷达系统。MMGait包含来自725名受试者的十二种模态和334,060个序列，能够在几何、光度学和运动学领域进行系统性探索。基于MMGait，我们在单模态、跨模态和多模态范式上进行了广泛评估，以分析模态的鲁棒性和互补性。此外，我们引入了一个新任务——全多模态步态识别，旨在将上述三种步态识别范式统一在单个模型中。我们还提出了一个简单而强大的基线OmniGait，它学习跨不同模态的共享嵌入空间，并实现了有前景的识别性能。MMGait基准、代码库和预训练检查点可在https://github.com/BNU-IVC/MMGait公开获取。
引用
@article{arxiv.2604.15979,
title = {MMGait: Towards Multi-Modal Gait Recognition},
author = {Chenye Wang and Qingyuan Cai and Saihui Hou and Aoqi Li and Yongzhen Huang},
journal= {arXiv preprint arXiv:2604.15979},
year = {2026}
}
备注
CVPR 2026