最近，哈佛大學研發的一條外穿機械短褲登上了《Science》的封面。據哈佛大學的研究人員介紹，這條短褲被稱為“hip exosuit”，是一種智能仿生短褲，可以提高穿著者的跑步和走路能力。

據介紹，與以往的多關節外套相比，該款智能仿生短褲的臀部輔助外套設計更簡單、重量更輕。整個設備重約5公斤，其中大部分重量來自靠近身體質心的短褲頂部隱藏的小電池和電機組。值得注意的是，該設備主要借助一種識別短褲步態的算法，適用于從跑步機到跑道乃至登山的各種場景，其電池可支持持續步行和慢跑10公里。

智能仿生短褲的出現，讓很多科技迷覺得既驚喜又神奇。而其采用的步態識別算法，也引起了國內外一些技術研究人員的重視。與人臉識別、指紋識別、虹膜識別等技術相比，步態識別具有哪些優勢呢？

首先，步態識別適用范圍廣。通常情況下，步態識別可對普通2K攝像機50米外人群進行步態識別;其次，步態識別為非受控識別，不需要識別對象主動配合與參與也能識別，并且是360度全視角識別;再次，因為步態難以偽裝和模仿，不同的走路姿態、體型、頭型、肌肉力量特點、運動神經靈敏度等特征決定了步態具有較好的區分能力，能夠較為準確的識別個體的身份。

眼下，石油企業正積極引入步態識別技術，從而完善防控網絡，防范非法闖入者對油田造成破壞;在智能家居領域，步態識別能夠較好地區分用戶屬性，不僅能替代遙控器等傳統操作工具，還可以讓家電感知更加智能化和便捷化，以此為用戶提供更加個性化的服務。

此外，步態識別可以滿足公共安全領域的基礎需求，廣泛應用于平安城市，如車站機場、公安系統、博物館、學校、景區、商場等不同的場合。在一些重要基礎設施如發電站、核電站、石油石化基地等，步態識別也存在十分廣闊的應用空間。

采用步態識別技術時，往往要經過采集步態、分析圖片、特征提取、數據比對等步驟。其實，每一個環節都充滿了技術挑戰。例如，數據樣本的采集。如何獲取數據，又如何構建步態識別的數據庫？在獲取到數據后，如何分割前景和背景，讓識別更為精確？在特征表達的階段，又該如何解決跨視角識別的問題等。

在推進步態識別技術商業化落地過程中，算法和數據庫建立是步態識別技術深化發展的基礎上。目前國內從事步態識別技術研發的企業數量并不多，有能力構建核心算法的企業更是少見。與國外相比，國內企業需要在步態識別核心技術研發方面提早準備，認真鉆研。

從技術發展趨勢來看，無論是“刷臉”支付，還是“走路”辨人，普通的生物特征識別技術都擁有各自的優勢和不足。隨著人工智能、物聯網等技術的不斷成熟，不同的生物識別技術很有可能會進行組合應用，發揮技術融合應用的優勢，進而給用戶帶來更好的識別服務和舒適的使用體驗。

每一項前沿創新技術從產生、發展到成熟，從實驗室走向應用場景，都需要經歷一個漫長而曲折的歷程。相信在不久的將來，阻礙步態識別、指紋識別、虹膜識別等技術應用的因素將被一一去除，這些技術也將找到落地應用的新場景。