你把脸挡得严严实实，摄像头还是认出了你。不是靠衣服，不是靠体型，而是你走路时膝盖弯曲的那个微小节奏。

一篇发表在《国际推理智能系统期刊》上的论文，介绍了一套名为SKDMap-Net的步态识别系统。它的任务很明确：从行走视频中辨识一个人，哪怕摄像头根本没拍到清晰的脸。它不依赖近距离面部扫描，而是逐帧分析身体的运动方式。

打开网易新闻 查看精彩图片

这是一项既实用又让人不安的技术。当一个人距离很远、侧身站立或者部分身体被遮挡时，他的步态仍然可能足够完成一次身份核验。该模型在一个主流步态数据集上达到了95.8%的准确率，在一个难度更高的真实场景数据集上，Rank-1准确率也有83.7%。

面部、指纹、虹膜识别面临同一个现实障碍：它们需要近距离、清晰的采集画面，而这恰恰是很多监控摄像头无法提供的条件。步态则给了系统更大的操作空间。摄像头不需要被识别者在完美光线下静止站好，它研究的是由步幅、节奏和四肢动作共同塑造的运动模式。这也解释了为什么步态识别在安全研究领域反复出现——当面部模糊、角度偏转、或者人脸太小难以信赖时，它给远距离摄像头提供了另一个身份判定信号。

SKDMap-Net并没有把行走当成一个平面轮廓来处理。糟糕的拍摄角度会迅速让那个轮廓变得杂乱无章。这套系统的做法是把人体拆解成运动中的关键点，追踪这些点随时间变化的行为。它研究关节如何弯曲、以多快的速度旋转，以及这些节奏在行走过程中如何变化。这种思路在视野受限时尤其有用。如果下半身被挡住，模型可以把更多注意力放在上半身运动上，而不是凭空猜测被遮挡的腿部动作。它在观察运动本身，而非仅仅观察形状。

隐私问题在这里变得棘手起来。存在一种较为良性的技术路径：摄像头处理的是骨骼数据，而非存储原始视频。这样一来，流经监控系统的可识别画面量会有所减少。但这并不能让这项技术变得无害。步态仍然是一种行为生物特征，这意味着即便面部信息已被去除，一个人的行走模式依然可以被用来重新锁定其身份。

更高效的远程身份核验，同样可能让公共空间中的行动轨迹更容易被追踪。在"走路时表现得正常一点"变成一条糟糕的隐私建议之前，这项技术需要围绕数据存储、访问权限和部署场景确立严格的规则。