在生活中，對(duì)于如何識(shí)別一個(gè)人的身份，我們聽說(shuō)最多的大概是指紋掃描，虹膜掃描，甚至還有眼動(dòng)追蹤技術(shù)，而關(guān)于基于腳印的生物識(shí)別技術(shù)相比起來(lái)，似乎有些“鮮為人知”。近日，在全球最大的預(yù)印本系統(tǒng)Arxiv.org上發(fā)表的一項(xiàng)最新研究便調(diào)查了人工智能如何只通過足跡來(lái)識(shí)別一個(gè)人。
來(lái)自印度理工學(xué)院的研究人員在一篇題為《利用腳步聲中產(chǎn)生的地震信號(hào)進(jìn)行人員識(shí)別》(Person Identification using Seismic Signals generated from Footfalls)的論文中描述了一個(gè)基于霧計(jì)算構(gòu)架的系統(tǒng)。據(jù)悉，該架構(gòu)采用邊緣設(shè)備來(lái)執(zhí)行大部分計(jì)算，存儲(chǔ)和涉及數(shù)據(jù)收集的溝通。 對(duì)此，研究人員指出，這有助于減少寬帶和能源需求，進(jìn)而降低成本。
在論文中，他們寫道，“在我們的方法中，人們只需要穿過有傳感器的活動(dòng)區(qū)域即可。事實(shí)上，人類識(shí)別系統(tǒng)在各個(gè)領(lǐng)域都有重要應(yīng)用。”
具體而言，該系統(tǒng)由三層組成：物體層(傳感器與低端處理器的配對(duì)，嵌入式處理器與收發(fā)器的配對(duì));霧層(嵌入式處理器和收發(fā)器);云層(服務(wù)器)。在物體層，該過程由一個(gè)樹莓派零(Raspberry Pi Zero)、遠(yuǎn)程收發(fā)器模塊和一個(gè)地震檢波器實(shí)現(xiàn)，后者是一個(gè)可以將地面運(yùn)動(dòng)轉(zhuǎn)換為電壓的地面運(yùn)動(dòng)傳感器。霧層，主要是一個(gè)Raspberry Pi 3模型B，用于接收信號(hào)，然后進(jìn)行解壓縮，從中提取重要特征，同時(shí)在將信號(hào)通過以太網(wǎng)或Wi-Fi傳輸?shù)皆贫酥皩?duì)其進(jìn)行分類處理。最后，云層執(zhí)行推理。
為了訓(xùn)練能夠區(qū)分腳步的機(jī)器學(xué)習(xí)模型，研究人員除了收集腳步的長(zhǎng)度和節(jié)奏(兩個(gè)連續(xù)腳步之間的差距)外，還收集了腳步聲的時(shí)間和頻率。該團(tuán)隊(duì)稱，在一個(gè)月的時(shí)間里，他們使用地震檢波器從8名赤腳測(cè)試參與者那里收集了大約46,000個(gè)足跡——這是同類中最大的數(shù)據(jù)集。
他們認(rèn)為，在現(xiàn)實(shí)世界中，如果將“監(jiān)控區(qū)域”(如學(xué)?；蚬S)劃分為“區(qū)域”(如工廠樓層，部門)和子區(qū)域(如房間，醫(yī)院病房)，就可以最好地完成數(shù)據(jù)收集。
另外，在模型訓(xùn)練的過程中，研究小組發(fā)現(xiàn)，大約8分鐘的步行，即約875個(gè)腳印中判斷的準(zhǔn)確率需要達(dá)到85%，而該系統(tǒng)的結(jié)果最終超過了這個(gè)數(shù)據(jù)。在測(cè)試的過程中，表現(xiàn)最好的人工智能系統(tǒng)與個(gè)人的腳步匹配時(shí)，僅從7個(gè)連續(xù)的腳步聲中，判斷身份的準(zhǔn)確率可達(dá)92.29%。
不過，該系統(tǒng)有一個(gè)明顯的缺點(diǎn)是無(wú)法一次識(shí)別多個(gè)人，如果是兩個(gè)人及以上便會(huì)混淆系統(tǒng)。研究人員將此問題作為了未來(lái)的研究對(duì)象，但他們相信當(dāng)前的技術(shù)可以被用于登記教室或車間出勤，檢測(cè)入侵者以及控制家用電器。
研究人員表示，“這種生物識(shí)別系統(tǒng)的主要優(yōu)點(diǎn)是，地震傳感器可以很容易地被“偽裝”起來(lái);逃避檢測(cè)是不可能的，因?yàn)槟_步模式是無(wú)法模仿的;此外，它不會(huì)侵犯?jìng)€(gè)人隱私;并且它對(duì)環(huán)境參數(shù)不太敏感，超出個(gè)人解碼和制造原始信號(hào)的能力。”
來(lái)自印度理工學(xué)院的研究人員在一篇題為《利用腳步聲中產(chǎn)生的地震信號(hào)進(jìn)行人員識(shí)別》(Person Identification using Seismic Signals generated from Footfalls)的論文中描述了一個(gè)基于霧計(jì)算構(gòu)架的系統(tǒng)。據(jù)悉，該架構(gòu)采用邊緣設(shè)備來(lái)執(zhí)行大部分計(jì)算，存儲(chǔ)和涉及數(shù)據(jù)收集的溝通。 對(duì)此，研究人員指出，這有助于減少寬帶和能源需求，進(jìn)而降低成本。
在論文中，他們寫道，“在我們的方法中，人們只需要穿過有傳感器的活動(dòng)區(qū)域即可。事實(shí)上，人類識(shí)別系統(tǒng)在各個(gè)領(lǐng)域都有重要應(yīng)用。”
具體而言，該系統(tǒng)由三層組成：物體層(傳感器與低端處理器的配對(duì)，嵌入式處理器與收發(fā)器的配對(duì));霧層(嵌入式處理器和收發(fā)器);云層(服務(wù)器)。在物體層，該過程由一個(gè)樹莓派零(Raspberry Pi Zero)、遠(yuǎn)程收發(fā)器模塊和一個(gè)地震檢波器實(shí)現(xiàn)，后者是一個(gè)可以將地面運(yùn)動(dòng)轉(zhuǎn)換為電壓的地面運(yùn)動(dòng)傳感器。霧層，主要是一個(gè)Raspberry Pi 3模型B，用于接收信號(hào)，然后進(jìn)行解壓縮，從中提取重要特征，同時(shí)在將信號(hào)通過以太網(wǎng)或Wi-Fi傳輸?shù)皆贫酥皩?duì)其進(jìn)行分類處理。最后，云層執(zhí)行推理。
為了訓(xùn)練能夠區(qū)分腳步的機(jī)器學(xué)習(xí)模型，研究人員除了收集腳步的長(zhǎng)度和節(jié)奏(兩個(gè)連續(xù)腳步之間的差距)外，還收集了腳步聲的時(shí)間和頻率。該團(tuán)隊(duì)稱，在一個(gè)月的時(shí)間里，他們使用地震檢波器從8名赤腳測(cè)試參與者那里收集了大約46,000個(gè)足跡——這是同類中最大的數(shù)據(jù)集。
他們認(rèn)為，在現(xiàn)實(shí)世界中，如果將“監(jiān)控區(qū)域”(如學(xué)?；蚬S)劃分為“區(qū)域”(如工廠樓層，部門)和子區(qū)域(如房間，醫(yī)院病房)，就可以最好地完成數(shù)據(jù)收集。
另外，在模型訓(xùn)練的過程中，研究小組發(fā)現(xiàn)，大約8分鐘的步行，即約875個(gè)腳印中判斷的準(zhǔn)確率需要達(dá)到85%，而該系統(tǒng)的結(jié)果最終超過了這個(gè)數(shù)據(jù)。在測(cè)試的過程中，表現(xiàn)最好的人工智能系統(tǒng)與個(gè)人的腳步匹配時(shí)，僅從7個(gè)連續(xù)的腳步聲中，判斷身份的準(zhǔn)確率可達(dá)92.29%。
不過，該系統(tǒng)有一個(gè)明顯的缺點(diǎn)是無(wú)法一次識(shí)別多個(gè)人，如果是兩個(gè)人及以上便會(huì)混淆系統(tǒng)。研究人員將此問題作為了未來(lái)的研究對(duì)象，但他們相信當(dāng)前的技術(shù)可以被用于登記教室或車間出勤，檢測(cè)入侵者以及控制家用電器。
研究人員表示，“這種生物識(shí)別系統(tǒng)的主要優(yōu)點(diǎn)是，地震傳感器可以很容易地被“偽裝”起來(lái);逃避檢測(cè)是不可能的，因?yàn)槟_步模式是無(wú)法模仿的;此外，它不會(huì)侵犯?jìng)€(gè)人隱私;并且它對(duì)環(huán)境參數(shù)不太敏感，超出個(gè)人解碼和制造原始信號(hào)的能力。”
17621123178