本文提供了新的野外步态识别基准 GREW，该基准数据集采用自然视频捕捉，并包含数百个摄像机和成千上万小时的流。GREW 包含 26k 个身份和 128k 个序列，具有丰富的属性用于非受控步态识别。该基准可作为 state-of-the-art 步态识别算法的有效预训练，旨在促进野外步态识别技术的发展。

May, 2022

该论文介绍了一种新的步态表示方法，名为 Gait Parsing Sequence (GPS)，通过从视频帧中提取的人体分割细粒度序列（人体解析）编码细粒度人体部分的形状和动态，以实现准确的野外步态识别。利用 GPS 表示，论文提出了一种基于人体解析的步态识别框架，名为 ParsingGait，包含基于卷积神经网络（CNN）的骨干网络和两个轻量级头部，实现了全局语义特征提取和人体行走详细动态建模。该论文还构建了首个野外步态解析数据集 Gait3D-Parsing，并通过对比实验证明了 GPS 表示和 ParsingGait 方法在准确性上的显著改进和优越性。

Aug, 2023

提出了一种基于生成性反事实干预的步态识别框架，在实验中表现出对可以反映步态模式的区域有效地关注，同时显著提高了性能水平。

Jun, 2023

本研究介绍了一种基于模拟的方法和主体特定数据集，用于生成合成视频帧和序列以进行数据增强，由此生成了多模态数据集，其结果表明身份信息在合成生成的示例中得以保留，此数据集和方法可对完全不变式身份识别的研究提供支持。

Oct, 2016

该研究提出一种基于 AutoEncoder 框架、利用 RGB 成像中的姿态和外貌特征，以及对前方视角步行进行重点研究的 FVG 数据集来辅助鲁棒的步态识别方法，通过在 CASIA-B，USF 和 FVG 数据集上的大量实验证明了该方法具有优秀的识别性能、特征解缠能力和有前途的计算效率。

Apr, 2019

本文提出了第一个针对衣着变化的步态识别 CCGait 自然场景基准，该基准包括室内外环境中不同的衣着变化和多模态统计数据，并通过引入了混合框架 HybridGait 来解决衣着和视角变化的耦合效应。我们的贡献是：提供了一个具有挑战性的 CCGait 基准，捕捉了扩展的时间和空间上的现实外观变化，并提出了一个在 CCGait 和 Gait3D 基准上优于以前工作的混合框架 HybridGait。

Dec, 2023

本文提出了一种基于深度集的步态识别方法，该方法利用全局 - 本地融合深度网络集成一组步态帧，具有较高的鲁棒性和灵活性，在识别结果方面表现较好。

Feb, 2021

采用 AutoEncoder framework - GaitNet 来解决服装、携带物品和观察角度等干扰因素的问题。同时我们还建立了 Frontal-View Gait dataset，通过 CasIA-B，USF 和 FVG 数据集的实验，我们的方法表现优异，并且在某些场景下与其他识别技术相比具有优势，如长距离 / 低分辨率，交叉观测角度。

Sep, 2019

基于 OpenGait 开发的 DeepGaitV2、SkeletonGait 和 SkeletonGait++ 三个基准模型通过全面的基准研究，启示了深度步态模型的建模经验和典型步态特性的表征能力，为步态识别的进一步研究和应用提供了新的方向。

May, 2024

该论文提出了一种新的步态识别方法，将步态看作是由独立帧组成的集合，并采用了一种新型网络 GaitSet 来学习集合中的身份信息，实现了新的识别准确率。

Nov, 2018