第四次工业革命下所诞生的技术及形式，不断地向人类及社会赋能。
像AI、大数据、自动驾驶、云计算这些，都在赋予我们高效便捷的生活。
作为诞生于工业4.0下的AI识别技术，已经应用到了社会各领域，例如在语言翻译、面部识别等多个社会活动中，都能够看到AI识别的参与。
近日，专注于步态识别的AI识别公司银河水滴，完成近3亿元B轮融资。
目前，AI识别技术已经常用于各类身份认证场景，最为常见的莫过于人脸识别、指纹、虹膜等等，不过，
相较于这些识别技术，步态识别作为近年来的新AI技术方向，不断受到外界的关注。
那么，步态识别技术到底是什么？随着人脸识别、指纹等AI技术得到广泛运用，作为新型技术的步态识别，能否同样得到广泛运用？
“视频新基建”下的新技术
想要弄明白AI识别技术是什么之前，先要了解什么是AI识别技术。
AI识别技术是指通过计算机、照相机、扫描仪等设备，自动获取并识别出目标指令、数据等信息的技术手段，像是条形码识别、智能卡技术、声音识别技术、静脉识别都属于AI识别技术。
而根据识别对象是否具有生命特征，AI识别技术主要可以分为两类：有生命识别和无生命识别。目前，人脸识别、指纹、虹膜等识别技术都是有生命特征识别，包括接下来所说的步态识别。
步态识别是指通过身体体型和行走姿态来实现自动身份识别的一种技术手段，是一项融合计算机视觉、模式识别与视频／图像序列处理的AI技术。
简单点来说，通过视频及摄像头等专业设备，对人的身体体型及走路的姿态，做到自动识别，本质上是同人脸识别、指纹、虹膜等等AI技术的工作原理相同，只不过识别的类型不同。
近些年，随着AI技术的发展及成熟，国家相关部门对步态识别技术的兴趣正在快速增长，尤其是今年以来，发布数项有关步态识别技术数项公告和规定，给予其支持的态度。今年7月，《信息安全技术 步态识别数据安全要求（征求意见稿）》试点在京启动，加速步态识别技术的场景落地及应用。
国家相关部门之所以，将步态识别技术的重视程度提升至如此层面，一部分原因在于其应用场景的不同，相较于人脸识别、指纹及虹膜等识别技术，步态识别技术的应用场景更偏向于智能安防、智慧医疗、智慧交通、工业检测、智能家居等专业领域，特别是从智能安防的角度，步态识别作为动态识别，相较传统生物识别技术更加稳定，具有更高级别的防伪性，只要人进行移动就可以准确记录并识别目标的特征并进行追踪，对于公安、交通部门来说，具有更特殊的意义。
其次，步态识别技术的距离上限更高，摆脱了传统生物识别技术对于镜头距离的需求。目前，业内领先的步态识别技术，在普通环境下识别距离可达50米，在更专业的设备下识别距离甚至可达100米，能够实现360度全方位识别。
而目前市场上远距离的虹膜识别技术，距离上限仅在2-3米；人脸识别的距离上限也就在20米左右，无法和步态识别相比。
目前，银河水滴、大华股份、盈力科技等，已经实现了部分产品的落地。此前，银河水滴上线了步态识别系列产品和解决方案，“水滴神鉴”，步态识别、步态智能盒子等；盈力科技也上线了盈力云，功能包含步态识别。
步态识别：“理想”中的那些“现实”
与人脸识别、指纹、虹膜等AI识别技术相同的是，步态识别技术对算法、训练库和对象同样有着较高的要求，特别是在算法和软件上，由于步态识别技术的距离以及识别目标相对宽松，会要求其拥有更高的准确度以及辨别性。
这背后与训练底库脱不开关系，人脸、指纹等识别技术能够率先落地，和训练方法和对象密切相关，这些特征的训练底库是以图像训练为主，手机等终端设备的快速发展让获取图像/指纹极为普遍，样本量巨大，但步态识别只能通过视频识别，训练底库的训练方法和对象多是通过算法对视频进行解析和计算，背后的工作量更为巨大。
目前，市场上一款步态识别技术的初步形成，至少是基于百万级的训练库之上，而成熟可应用的技术至少是要达到超百万级别的训练量，这也是很多企业望而生畏的关键，对算法、训练库的要求过高，使得这项技术的壁垒过高，当前这项技术仅掌握在银河水滴、大华股份、盈力等少数厂商手里，整体技术存在高度集中的现象。
另外，尽管目前国家工信部、公安部等相关部门都在大力推进步态识别的落地，但从市场竞争格局来看却不利于步态识别的发展。
公开数据显示，目前生物识别技术市场结构中，指纹识别占比达到58%，人脸识别占比为 18%，虹膜识别占比 7%，此外掌纹识别以及声音识别分别占比 7%及 5%，也就是说步态、静脉、声纹等新型识别技术共分不到5%的市场份额，步态识别的发展空间较小。
而且，从当前的市场环境来看，人脸识别无疑是现在资本及市场最热门的“宠儿”，预计今年，人脸识别市场规模将达到530亿元，复合增长率达到53%，国内外市场都在大力普及人脸识别的应用，进一步压缩了其他AI识别技术的市场空间。
最后，由于步态识别技术的载体，同样是摄像头或是扫描设备，那么，就会同人脸识别、虹膜这些面临同样一个问题。
即便步态识别技术再先进、成熟，但硬件及载体处于落后阶段，其识别效果也会大打折扣，这也是现在很多步态识别技术，对摄像头等扫描设备的清晰度有着较高要求的关键所在。另外，由于步态识别的“非强迫性”特性，还会受到天气、人物着装、人物角度等影响，同样会降低识别的精准度。
技术和产品的落地，终归不是一帆风顺，对于步态识别技术来说，这也是必须经历的阶段，从小到大、从缺陷到完善，都是需要步态识别下的企业去一一解决。
行业远未到商业化考量阶段
一款产品、技术的研发或应用，最终目的都是为了商业化落地，对于步态识别技术来说，也不例外。那么，在当前情形下，步态识别技术要想实现商业化落地，还需要完善哪些方面？
一方面，解决技术本身所带来的识别缺陷。目前，尽管部分步态识别头部企业的试验识别率已经超过了90%，但从整体上来看，步态识别作为刚起步的技术, 受天气、场景、目标等特殊性的影响，试验识别率只有80%，其可靠性不如人脸识别技术，目前，人脸识别技术的普遍识别率已经达到了98%以上，拥有领先算法及软件的人脸识别技术，识别率甚至超过99%。
对于步态识别技术来说，通过加强对步态识别软件、算法的开发以及训练底库的完善，包括增加对数千路高清摄像头的并发量，以及提升产品芯片的算力，来降低这种识别缺陷几率的出现。除此之外，步态识别还需要建立庞大的贴近实际场景的步态数据库，包括各种形式的行走姿态以及不同体型的身形数据收等等，加强与摄像头收集的步态数据的同步对比，保证对比和识别的准确性。
其次，就是通过头部企业的算法的成熟及训练底库、步态数据库的完善，逐步削弱行业技术壁垒，降低中小企业的准入门槛。相比其他生物识别技术，由于步态识别的技术特殊性，使得其技术壁垒较高，企业及行业需要不断通过研发支出，来攻克技术壁垒，高昂的研发费用让很多厂商望而却步。
头部企业对步态识别技术的部分算法及训练底库、数据库的开放，一定程度上能够降低中小企业的技术研发壁垒，减少中小企业在这一过程中的研发费用支出，加快步态识别技术在行业之间的整体普及。
另一方面，要解决的就是实用性的问题，简单点来说就是应用场景是否广泛，实用性是商业化落地的关键一步。对于任何一个技术或是产品来说，实用性的强与弱，往往就决定了能否在商业化的落地上走的更远，就目前应用场景以及实用性来看，步态识别技术的应用场景更多是B端场景中，而人脸识别、指纹等则更贴近于C端用户。
对于步态识别企业来说，或许可以继续加强在B端应用场景的开拓，包括港口、物流中心等大型应用场景的应用，以及运用步态识别技术开发更多贴近C端用户的产品，比如说智能鞋垫等等，增强步态识别技术在不同场景的运用，同时，提升市场整体的认可度及步态识别技术认知的普及，也是提升商业化落地的因素之一。
受制于步态识别技术的特殊性，及应用场景的短缺性
