這篇題為《EV-Gait: Event-based Robust Gait Recognition using Dynamic Vision Sensors》的論文發(fā)表于計算機視覺領域的頂級會議CVPR 2019。
論文作者來自哈爾濱工程大學、Data61 CSIRO、華威大學和復旦大學等多所知名研究機構，展示了學術界對事件相機應用潛力的共同關注。

論文核心內容

這項研究首次系統(tǒng)性地探索了使用動態(tài)視覺傳感器（事件相機）進行步態(tài)識別的技術路徑。與傳統(tǒng)RGB方案相比，基于事件相機的步態(tài)識別旨在從根本上解決三大瓶頸：難以持續(xù)低功耗工作、存在運動模糊、以及對光照條件過于敏感。

論文提出的EV-Gait系統(tǒng)包含兩項核心技術突破：

1. 運動一致性噪聲濾除

針對事件相機數(shù)據(jù)噪聲大的問題，其核心在于利用真實運動事件的時空連續(xù)性，設計了基于光流的濾波算法，能在熒光燈頻閃等復雜光照下有效分離人體運動事件與背景噪聲。

2. 事件流四通道編碼

為解決異步事件流與標準神經(jīng)網(wǎng)絡不兼容的問題，將事件流轉換為四通道"事件圖像"：

• ? 通道1-2：像素點正/負事件累積數(shù)（空間特征）
• ? 通道3-4：像素點最后事件的相對時間戳（時序特征）

該編碼方法本質上是為異步事件流構建了一個兼具空間分布與時間秩序的靜態(tài)表示，從而橋接了事件數(shù)據(jù)與成熟圖像網(wǎng)絡架構，在實驗中實現(xiàn)了96%的識別準確率。

研究意義與驗證成果

這項研究具有三個層面的重要意義：

• ?技術驗證層面：首次證明了事件相機在生物特征識別領域的可行性，為低功耗、高動態(tài)視覺系統(tǒng)開辟了新方向。
• ?性能表現(xiàn)層面：在自建的DVS128-Gait數(shù)據(jù)集上達到96%的識別準確率；在轉換后的EV-CASIA-B數(shù)據(jù)集上，尤其在側面視角下，識別性能甚至超越了同期基于RGB的先進方法。這是因為事件數(shù)據(jù)專注于純粹的運動模式，不受衣物紋理等無關視覺信息的干擾。
• ?應用啟示層面：研究特別驗證了算法在不穩(wěn)定熒光燈照明環(huán)境下的魯棒性，這直接解決了安防監(jiān)控場景中的常見痛點。

從學術到產業(yè)：技術演進與實踐價值

然而，上述突破性研究，是基于iniVation DVS128這類僅能輸出事件流的純事件相機，在受控的實驗環(huán)境下完成的。它驗證了原理的可行性，但走向現(xiàn)實應用，仍需克服工程化與場景適配的挑戰(zhàn)。

今天，"靈光一號"EVS+RGB融合事件相機的出現(xiàn)，標志著這一技術從實驗室走向產業(yè)的關鍵躍遷。

其核心在于靈光一號基于銳思智芯芯片，實現(xiàn)了"RGB圖像"與"事件流"在硬件與算法層面的深度融合。這并非簡單的功能疊加，而是將事件流在微秒級響應、超高動態(tài)范圍方面的極限動態(tài)感知能力，與RGB圖像的豐富語義信息進行有機協(xié)同。

基于此架構，靈光一號能夠構建一種自適應的智能感知范式：在靜態(tài)或光照理想時，依賴高清RGB畫面進行精細分析；一旦偵測到高速運動、逆光或瞬間光照劇變，則瞬間無縫地賦予事件流更高的分析權重，從而確保在極端條件下感知的連續(xù)性與可靠性。

這使其得以從一項前沿驗證，演進為可直接賦能于智能安防、工業(yè)檢測、高級輔助駕駛等對魯棒性有極致要求的場景的成熟方案，完成了從學術潛力到產業(yè)價值的堅實跨越。

申明

本文基于CVPR 2019發(fā)表的研究《EV-Gait: Event-based Robust Gait Recognition using Dynamic Vision Sensors》進行技術解讀與應用分析，論文成果歸原作者所有。本文內容僅從工程與產業(yè)視角探討事件相機（EVS）步態(tài)識別技術的發(fā)展趨勢及潛在應用價值，不代表任何官方立場。

原論文下載

鏈接: https://pan.baidu.com/s/14A-qOBzdF49TSoBkY-xIDg
提取碼: fk9q