由大阪大学科学与工业研究所的 Yasushi Yagi 教授领导的研究小组开发了一种使用深度学习的高精度步态认证技术，该技术在 AI（人工智能）技术中尤其受到关注。
人们的步行方式（步态特征）不会根据他们的衣服和发型而改变，并且可以从使用安全摄像头等远距离拍摄的低分辨率图像中提取。这是一个非常实用的个人认证功能。但是，如果人的行走方向相对于摄像头不同，则人看到的方式会有很大差异，因此现有技术难以对步态进行鉴别。因此，比较手的挥动方式、腿的宽度等抽象特征的差异是有效的。
这一次，我们提出了一种独特的深度学习模型，并正确使用了这些特征，从不同方向行走的人的图像中实现了高度准确的步态验证。结果，当行走方向明显不同时，个人认证的错误率在传统技术中约为 40%，但随着该技术的发展，它降低到了世界上最高的准确度约 4%。时间。这将大大扩大“未来取证”步态鉴定的适用范围。
此外，通过适当改变用于深度学习的评价标准，不仅可以对人进行身份验证，还可以从相机拍摄的多个人中识别出特定的人。通过使用这些技术分析同一个人在商店和商业设施中的移动路线，预计将应用于刑事调查以外的各种用途，包括根据客户提供服务等营销应用。
在日本，在 2020 年东京奥运会之前，针对恐怖主义和犯罪的安全措施的现代化是一个紧迫的问题，通过使用这项技术，可以使用安全摄像头快速识别和跟踪可疑人员和嫌疑人。预计会这样做。
