3D骨架行人重识别最新综述：南洋理工研究全面盘点

在安防监控、医疗诊断与具身智能等前沿领域，精准识别目标身份始终是计算机视觉面临的核心挑战之一。

传统方法多依赖人脸、衣着、颜色纹理等外观特征完成匹配，思路直观，但一旦遭遇换装、低光照等真实环境干扰，识别性能便会急剧下降。此外，这类方案对图像分辨率要求极高、计算资源消耗大，且难以规避隐私泄露风险。

在此背景下，3D骨架行人重识别（Skeleton-based Re-Identification，简称SRID）技术应运而生。

其核心理念别具一格：借助深度传感器或姿态估计算法，将行人抽象为由数十个关节点构成的“火柴人”骨架。这种表征方式不仅数据量极小、天然保护隐私，还对视角变化、衣着颜色、光照条件等外部因素具有高度鲁棒性——本质上，是将人体“剥离”至骨骼结构后进行身份鉴别。

每个人的骨骼物理比例（如身高、臂长、腿长）以及长期形成的运动步态模式（步幅、步频、关节角度）都是独一无二的生物特征。AI通过深度特征提取技术对骨架序列进行建模，即可在不暴露视觉细节的前提下高效完成身份识别。

图1. 3D骨架行人重识别（SRID）任务整体示意

从技术演进时间线来看，最早采用手工特征进行SRID的研究可追溯至2014年。

图2. SRID研究的起源与关键技术里程碑

南洋理工大学饶浩聪博士领导的团队是这一方向的开拓者——2020年，他们首次提出了基于深度学习的骨架行人重识别框架。如今，该团队从全局视角出发，发布了该领域首篇系统性全景综述（已被IJCAI 2026录用），相关研究资源已全部开源。

论文链接：https://arxiv.org/pdf/2401.15296
资源仓库：https://github.com/Kali-Hac/3D-SRID-Survey

三大建模范式实现「看骨识人」

该综述将当前AI“读骨”技术归纳为三条核心路线：

手工特征建模（传统派）：由专家手动计算骨骼长度、几何属性及步态时空参数（步幅、速度）进行身份区分。代表性工作包括Matteo Munaro等人在ICRA 2014上提出的13个关键骨架描述子。

序列建模（时序派）：将连续动作姿势视为可编码解码的动态序列，利用LSTM等模型直接从原始骨架序列中挖掘姿态演变规律与步态运动语义。代表工作包括Haocong Rao等人在TPAMI 2024上提出的自监督步态编码框架CAGEs。

图建模（关系派）：基于人体关节的物理连接或运动协同关系，将人体构建为动态拓扑图，使AI学习各身体部位间的联动模式——例如步态中手与脚的配合节奏。代表工作有CTR-GCN (ICCV 2024)、SM-SGE (ACMMM 2024)等。

图3. SRID模型的系统分类结构图，涵盖骨架建模、学习范式、评估基准及未来挑战

轻量隐私友好，赋能跨学科应用

综述在BIWI、IAS-Lab、KS20、CASIA-B、3DGait等基准数据集上进行了横向评测。结果表明，最新的深度学习SRID模型（如Hi-MPC和图模型MoCos）在识别性能上显著超越传统手工特征方法。计算开销极低——例如SimMC参数量仅为0.15M，完全可在智能手机、传感器等边缘设备上实时运行。

图4. KS20数据集上各SRID模型的准确率与计算效率（参数量及GFLOPs）多维对比

图5. 不同基准数据集上各方法的性能（Rank-1准确率）、参数量及特性对比

SRID技术的价值远不止安防监控场景下的行人识别。凭借隐私友好、轻量级、对视角变化不敏感、不受外观干扰等核心优势，综述指出了其在前沿领域的三大跨界潜力：

医疗健康（AI数字医生）：人的步态与生理心理状态高度相关。预训练的SRID模型可迁移用于预测帕金森综合征等神经退行性疾病，甚至辅助精神状态评估与中风康复监测。论文在3DGait数据集上的案例研究已初步验证了该可行性。

具身智能（机器人之眼）：SRID可作为智能体的基础语义链接——无需处理复杂背景图像，Agent仅通过“看懂”骨架即可完成虚拟化身运动重定向、精准预判以人为中心的意图，并实现丝滑的手势交互控制。

安防认证：骨架特征对外貌变化具有极强的鲁棒性，有助于在保护隐私的前提下进行跨模态身份验证，并在缺乏视觉细节的场景中支持异常事件检测。

图6. SRID在医疗健康、具身智能与安防认证三大核心领域的跨学科应用图谱

该综述第一作者饶浩聪博士在南洋理工大学百合卓越联合研究中心（LILY Research Centre）担任新加坡国家人工智能计划博士研究员期间完成此项工作，通讯作者为新加坡工程院院士、IEEE Fellow、南洋理工大学苗春燕教授。

参考资料：
https://arxiv.org/pdf/2401.15296

来源：互联网