StepUP 第二届竞赛：用“脚步压力”识别人，难点从单步走向跨域步态

导语

除了人脸、指纹和声纹，人的“走路压力模式”也可以成为身份识别线索。arXiv 新论文介绍了第二届 International StepUP Competition for Biometric Footstep Recognition。这项竞赛聚焦压力式足步生物识别：通过地面压力传感数据，判断某一步或一组左右脚步是否来自同一个人。

本届比赛的重点不是展示某个单一模型，而是给这一相对小众但具有现实意义的方向提供统一、可复现、难度更高的评测框架。

核心要点

• 数据规模更扎实：竞赛基于 StepUP-P150 数据集，包含来自 150 名个体的 20 多万条高分辨率动态足步记录，并使用此前未公开的测试集进行评估。
• 评测更接近真实场景：参赛系统需要在注册样本有限的情况下识别未见过的用户，同时应对鞋类和行走速度变化带来的域偏移。
• 从“单步”走向“步幅”：相比首届，本届进一步强调左右脚成对足步的融合，不再只看孤立脚印，而是探索步与步之间的时序信息。
• 最佳结果仍有改进空间：共有来自学术界和产业界的 26 个注册方参与，ArogyaPandit Research Team 使用时空 CNN 结合集成式评分策略，取得 8.00% 的最佳等错误率。

意义与影响

这项比赛的价值在于把足步识别问题从实验室式的单条件分类，推进到更接近部署环境的验证任务。论文显示，利用时间模式、在推理阶段进行归一化和校准，能够改善最终打分质量；这也说明足步识别并不只是“看脚印形状”，还需要建模动态压力变化和左右脚之间的关系。

不过，结果同样揭示了技术边界：当用户穿着此前未见过的个人鞋履，且测试集中存在特征相近的干扰者时，识别仍然困难。这对安防、健康监测或无感身份验证等潜在应用都很关键，因为真实世界中的鞋子、速度和行为状态往往不可控。

总体来看，StepUP 第二届竞赛更像是一次压力测试：它证明了时空特征学习和评分校准的有效性，也提醒研究者，足步生物识别距离稳健泛化仍有距离。未来进展可能取决于更强的跨域表示学习、更合理的左右脚融合，以及对相似人群干扰的细粒度区分能力。

来源：arXiv