记者7月20日从杭州电子科技大学获悉，该校自动化学院博士郑锦凯在不久前召开的IEEE国际电路与系统研讨会上发表研究论文介绍，通过可迁移邻域发现算法，可在跨域场景下的步态识别精度上，大大超过目前普遍使用的聚类赋伪标签识别方法，提高身份识别效率，从而在刑侦破案、寻找丢失儿童等领域一显身手。

　　步态算法整体框架图 受访者供图

　　步态识别，即根据“走姿”识身份。不难理解，不同的人、在不同场域的步态均有区别。 然而，目前普遍使用的深度学习算法，非常依赖数据标注，比方要通过步态识别某个人，首先得通过数据库里获悉其步态信息，意味着标注的准确性和数量直接影响着最终的识别精度。

　　郑锦凯直言，在实际应用中，人们往往受限于这种既昂贵又费时费力的数据标注上，当数据库里没有识别对象的标注数据，又该如何？

　　为此，郑锦凯提出可迁移邻域发现算法。他介绍道，即首先找出高置信度样本，并通过最近邻算法找出这些样本的领域样本，之后通过损失函数拉近高置信度样本与其领域样本在特征空间中的距离，并采用从易到难，循序渐进的方式更新深度学习模型，通过由近到远、由易到难、由已知到未知，逐渐识别“哪些步态是谁的”，从而锁定目标人物。

洪恒飞 程振伟 科技日报记者 江耘