颜成钢教授团队与京东探索研究院合作的题为Gait Recognition in the Wild with Dense 3D Representations and A Benchmark的论文，被计算机视觉顶级国际学术会议CVPR接收。本文的作者为郑锦凯、刘鑫辰、刘武、何凌霄、颜成钢和梅涛。

文章第一作者郑锦凯表示，现有步态识别研究主要关注于人体轮廓序列或关键点序列等二维特征表达。然而，人们生活（行走）在三维空间中，将三维人体投影到二维平面会丢失许多步态识别所需的视角、体型和步态的动态信息等关键信息。因此，本研究旨在探索真实场景下基于密集三维表征的步态识别的问题。团队提出一个探索3D人体骨骼蒙皮模型（3D Skinned Multi-Person Linear (SMPL) model）在步态识别上可行性的新框架，称为SMPLGait。SMPLGait通过两个精心设计的分支，分别从人体轮廓中提取外观特征，及从3D SMPL中学习三维视角和体型的先验知识。此外，由于缺乏合适的数据集，奥门金沙堵场js333构建了第一个基于三维表示的自然场景大规模步态识别数据集，名为Gait3D。它包含4000个行人对象和超过25000个步态序列。Gait3D采集自一个无约束的真实室内场景中的39个摄像头，提供了从视频帧中恢复的3D SMPL数据，可支持密集人体体型、三维视角和步态动态信息的三维建模。此外，它还提供了二维人体轮廓和人体关键点数据，可帮助研究者们探索多模态步态识别。基于Gait3D，奥门金沙堵场js333全面比较分析了本文提出的SMPLGait方法和现有步态识别方法，实验结果不仅证明奥门金沙堵场js333的方法具有更好的步态识别准确性，也显示出三维特征表示在真实场景的步态识别问题中的巨大潜力。

郑锦凯同学是杭电智能信息处理实验的硕博连读研究生，该实验室成立于2016年，由颜成钢教授领衔，并与美国北卡罗来纳大学教堂山分校、中国科学院、清华大学、京东AI研究院等国内外多家科研院所有长期密切的合作，近年来培养出多名优秀学生。