这篇题为《EV-Gait: Event-based Robust Gait Recognition using Dynamic Vision Sensors》的论文发表于计算机视觉领域的顶级会议CVPR 2019。

论文作者来自哈尔滨工程大学、Data61 CSIRO、华威大学和复旦大学等多所知名研究机构，展示了学术界对事件相机应用潜力的共同关注。

论文核心内容

这项研究首次系统性地探索了使用动态视觉传感器（事件相机）进行步态识别的技术路径。与传统RGB方案相比，基于事件相机的步态识别旨在从根本上解决三大瓶颈：难以持续低功耗工作、存在运动模糊、以及对光照条件过于敏感。

论文提出的EV-Gait系统包含两项核心技术突破：

1. 运动一致性噪声滤除

针对事件相机数据噪声大的问题，其核心在于利用真实运动事件的时空连续性，设计了基于光流的滤波算法，能在荧光灯频闪等复杂光照下有效分离人体运动事件与背景噪声。

2. 事件流四通道编码

为解决异步事件流与标准神经网络不兼容的问题，将事件流转换为四通道"事件图像"：

• • 通道1-2：像素点正/负事件累积数（空间特征）
• • 通道3-4：像素点最后事件的相对时间戳（时序特征）

该编码方法本质上是为异步事件流构建了一个兼具空间分布与时间秩序的静态表示，从而桥接了事件数据与成熟图像网络架构，在实验中实现了96%的识别准确率。

研究意义与验证成果

这项研究具有三个层面的重要意义：

• •技术验证层面：首次证明了事件相机在生物特征识别领域的可行性，为低功耗、高动态视觉系统开辟了新方向。
• •性能表现层面：在自建的DVS128-Gait数据集上达到96%的识别准确率；在转换后的EV-CASIA-B数据集上，尤其在侧面视角下，识别性能甚至超越了同期基于RGB的先进方法。这是因为事件数据专注于纯粹的运动模式，不受衣物纹理等无关视觉信息的干扰。
• •应用启示层面：研究特别验证了算法在不稳定荧光灯照明环境下的鲁棒性，这直接解决了安防监控场景中的常见痛点。

从学术到产业：技术演进与实践价值

然而，上述突破性研究，是基于iniVation DVS128这类仅能输出事件流的纯事件相机，在受控的实验环境下完成的。它验证了原理的可行性，但走向现实应用，仍需克服工程化与场景适配的挑战。

今天，"灵光一号"EVS+RGB融合事件相机的出现，标志着这一技术从实验室走向产业的关键跃迁。

其核心在于灵光一号基于锐思智芯芯片，实现了"RGB图像"与"事件流"在硬件与算法层面的深度融合。这并非简单的功能叠加，而是将事件流在微秒级响应、超高动态范围方面的极限动态感知能力，与RGB图像的丰富语义信息进行有机协同。

基于此架构，灵光一号能够构建一种自适应的智能感知范式：在静态或光照理想时，依赖高清RGB画面进行精细分析；一旦侦测到高速运动、逆光或瞬间光照剧变，则瞬间无缝地赋予事件流更高的分析权重，从而确保在极端条件下感知的连续性与可靠性。

这使其得以从一项前沿验证，演进为可直接赋能于智能安防、工业检测、高级辅助驾驶等对鲁棒性有极致要求的场景的成熟方案，完成了从学术潜力到产业价值的坚实跨越。

申明

本文基于CVPR 2019发表的研究《EV-Gait: Event-based Robust Gait Recognition using Dynamic Vision Sensors》进行技术解读与应用分析，论文成果归原作者所有。本文内容仅从工程与产业视角探讨事件相机（EVS）步态识别技术的发展趋势及潜在应用价值，不代表任何官方立场。

原论文下载

链接: https://pan.baidu.com/s/14A-qOBzdF49TSoBkY-xIDg

提取码: fk9q