96.92%准确率
利用步态能量图像与混合深度及少样本学习模型，高效区分稳定与不稳定步行模式，适用于跌倒检测和智能监控。
Mahmoud, Taha · Fares, Ahmed · Yamaguchi, Hirozumi · 80071118
Scientific Reports 2026
引入原型网络、匹配网络和关系网络，在数据稀缺时仍能训练分类器，降低对大规模标注步态数据的依赖。
用SAM分割结合MediaPipe关键点提取ROI，消除背景噪声，使准确率绝对提升12.5%，让模型更关注行人步态。
MobileNet推理仅需4.2ms，适合在监控摄像头等边缘设备上实时运行，无需云端。
采用留一数据集交叉验证，平均泛化准确率83.28%，揭示域偏差，为模型迁移提供参考。