近日，ylzzcom永利总站线路检测贲晛烨教授团队在步态识别研究方面取得重要进展，为解决步态识别在未知视角变化和视角缺失场景下的规模化应用提供了关键支撑，创新成果能够显著提升智能视频监控系统在非合作条件下的身份识别准确度，为我国公共安全及智能安防装备的核心算法升级与应用提供了关键技术支撑。相关成果以“GaitADIB: Adversarial disentangled information bottleneck network for unseen-view gait recognition”为题，发表于国际模式识别与人工智能领域顶级期刊Pattern Recognition（中科院一区TOP，影响因子：7.6）。论文第一作者为ylzzcom永利总站线路检测2022级硕博连读研究生杜含月，通讯作者为贲晛烨教授。

步态识别作为一种新兴的生物特征识别技术，凭借远距离、非接触式和抗伪装等优势，在安防监控、司法鉴定和犯罪预防等领域极具应用价值。但在实际部署中，其应用受限于相机拍摄视角变化等带来的巨大挑战。在现有的研究中，由于训练数据难以覆盖所有视角，导致探测集数据和注册集数据出现视角不一致，身份特征极易受到特定视角偏差的干扰，从而极大降低了步态识别模型的泛化能力。

针对该现状，团队创新性地提出了一种“对抗解耦信息瓶颈（GaitADIB）”网络框架。该方法从信息论视角出发，创新性地引入信息瓶颈理论，将由视角引起的差异建模为一种连续、通用的‘风格’特征并加以解耦。团队设计了“双信息变分编码器”，利用信息瓶颈和变分推断原理将身份特征与风格特征初步分离；同时，引入“对抗互信息解耦”策略，通过对抗训练最小化身份和风格表征之间的互信息，打破了身份与风格特征之间的残余耦合，确保了身份特征真正独立于视角变化。

团队提出的对抗解耦信息瓶颈步态识别框架

此外，团队还设计了“选择性自适应特征融合”模块，利用纯化后的视角无关特征对全局步态时空序列进行自适应引导，精准聚焦关键身份信息，并深度滤除残余的视角噪声。在OUMVLP和CASIA-B等权威数据集的验证显示，GaitADIB在极度视角缺失或探测集视角完全未知的情况下，依然显著优于现有前沿算法的识别精度且具有极强的鲁棒性，该架构显著提升了极端条件下的泛化能力，兼具重要工程应用价值与学术意义。

贲晛烨教授，国家优青，山东省杰青，山东省泰山学者青年专家，长期深耕信号与信息处理、图像处理、模式识别及人工智能等研究领域。在IEEE T-PAMI, IEEE T-IP, Pattern Recognition, CVPR, SIGIR等国际权威期刊和会议发表高水平论文150余篇。相关研究工作获得国家自然科学基金优秀青年基金项目、山东省杰出青年基金项目等资助。