近日，我院智能信息计算团队以杭州电子科技大学为第一单位发表的论文《TrackletGait: A Robust Framework for Gait Recognition in the Wild》被多媒体领域顶级期刊IEEE Transactions on Multimedia（TMM）接收，该论文的第一作者为我院智能信息计算团队教师张少雄。该论文重点关注真实监控场景下的行人步态识别任务。步态识别（Gait Recognition）旨在通过分析行人行走图像来识别行人身份。相比其他生物特征识别技术，例如指纹识别、虹膜识别和人脸识别等，步态识别具有可以远距离非接触式识别以及难以被伪造等独特优势，因此在安防监控领域具有广泛的应用前景。

针对真实监控场景下可能出现的低质量步态轮廓图与不完整步态周期问题，该论文在数据采样、空间池化、损失函数三个方面提出相应解决方法。首先，论文提出了采用短片段采样方法代替经典的长序列采样或随机帧采样方法，通过给定采样长度概率分布的方式，在每个批次采样较短长度的步态序列进行模型训练，以解决行人步态周期不完整问题。其次，论文采用了基于Haar小波的下采样方法，减轻了传统池化方法在空间维度的信息损失。同时设计了一种新型的三元组损失函数，在损失计算过程中移除距离较大正样本的贡献，自动避免低质量轮廓图像对于模型训练的干扰。最后，论文在6个公开的步态数据集上部署实验，并在所有4个真实监控数据集上均达到了最先进性能。