在生活中艳院，對于如何識別一個人的身份，我們聽說最多的大概是指紋掃描扯际，虹膜掃描颠恬，甚至還有眼動追蹤技術(shù)，而關于基于腳印的生物識別技術(shù)相比起來注芯，似乎有些“鮮為人知”憾汛。近日，在全球最大的預印本系統(tǒng)Arxiv.org上發(fā)表的一項最新研究便調(diào)查了人工智能如何只通過足跡來識別一個人肝陪。
來自印度理工學院的研究人員在一篇題為《利用腳步聲中產(chǎn)生的地震信號進行人員識別》(Person Identification using Seismic Signals generated from Footfalls)的論文中描述了一個基于霧計算構(gòu)架的系統(tǒng)驳庭。據(jù)悉，該架構(gòu)采用邊緣設備來執(zhí)行大部分計算氯窍，存儲和涉及數(shù)據(jù)收集的溝通饲常。 對此，研究人員指出狼讨，這有助于減少寬帶和能源需求贝淤，進而降低成本。
在論文中政供，他們寫道播聪，“在我們的方法中，人們只需要穿過有傳感器的活動區(qū)域即可布隔。事實上离陶，人類識別系統(tǒng)在各個領域都有重要應用。”
具體而言执泰，該系統(tǒng)由三層組成：物體層(傳感器與低端處理器的配對枕磁，嵌入式處理器與收發(fā)器的配對);霧層(嵌入式處理器和收發(fā)器);云層(服務器)。在物體層杖烘，該過程由一個樹莓派零(Raspberry Pi Zero)涉捂、遠程收發(fā)器模塊和一個地震檢波器實現(xiàn)，后者是一個可以將地面運動轉(zhuǎn)換為電壓的地面運動傳感器于抬。霧層渣冒，主要是一個Raspberry Pi 3模型B饱粟，用于接收信號，然后進行解壓縮琅瘦，從中提取重要特征掖阶，同時在將信號通過以太網(wǎng)或Wi-Fi傳輸?shù)皆贫酥皩ζ溥M行分類處理。最后乌诚，云層執(zhí)行推理炮疲。
為了訓練能夠區(qū)分腳步的機器學習模型，研究人員除了收集腳步的長度和節(jié)奏(兩個連續(xù)腳步之間的差距)外蜒午，還收集了腳步聲的時間和頻率虎叔。該團隊稱，在一個月的時間里截胯，他們使用地震檢波器從8名赤腳測試參與者那里收集了大約46,000個足跡——這是同類中最大的數(shù)據(jù)集铺坞。
他們認為，在現(xiàn)實世界中洲胖，如果將“監(jiān)控區(qū)域”(如學屑谜ィ或工廠)劃分為“區(qū)域”(如工廠樓層，部門)和子區(qū)域(如房間绿映，醫(yī)院病房)擒滑，就可以最好地完成數(shù)據(jù)收集。
另外叉弦，在模型訓練的過程中橘忱，研究小組發(fā)現(xiàn)，大約8分鐘的步行卸奉，即約875個腳印中判斷的準確率需要達到85%，而該系統(tǒng)的結(jié)果最終超過了這個數(shù)據(jù)颖御。在測試的過程中榄棵，表現(xiàn)最好的人工智能系統(tǒng)與個人的腳步匹配時，僅從7個連續(xù)的腳步聲中潘拱，判斷身份的準確率可達92.29%疹鳄。
不過，該系統(tǒng)有一個明顯的缺點是無法一次識別多個人唠芋，如果是兩個人及以上便會混淆系統(tǒng)摹钳。研究人員將此問題作為了未來的研究對象，但他們相信當前的技術(shù)可以被用于登記教室或車間出勤拧淘，檢測入侵者以及控制家用電器疲席。
研究人員表示，“這種生物識別系統(tǒng)的主要優(yōu)點是族焰，地震傳感器可以很容易地被“偽裝”起來;逃避檢測是不可能的台古，因為腳步模式是無法模仿的;此外慨醒，它不會侵犯個人隱私;并且它對環(huán)境參數(shù)不太敏感，超出個人解碼和制造原始信號的能力盲赚。”
來自印度理工學院的研究人員在一篇題為《利用腳步聲中產(chǎn)生的地震信號進行人員識別》(Person Identification using Seismic Signals generated from Footfalls)的論文中描述了一個基于霧計算構(gòu)架的系統(tǒng)驳庭。據(jù)悉，該架構(gòu)采用邊緣設備來執(zhí)行大部分計算氯窍，存儲和涉及數(shù)據(jù)收集的溝通饲常。 對此，研究人員指出狼讨，這有助于減少寬帶和能源需求贝淤，進而降低成本。
在論文中政供，他們寫道播聪，“在我們的方法中，人們只需要穿過有傳感器的活動區(qū)域即可布隔。事實上离陶，人類識別系統(tǒng)在各個領域都有重要應用。”
具體而言执泰，該系統(tǒng)由三層組成：物體層(傳感器與低端處理器的配對枕磁，嵌入式處理器與收發(fā)器的配對);霧層(嵌入式處理器和收發(fā)器);云層(服務器)。在物體層杖烘，該過程由一個樹莓派零(Raspberry Pi Zero)涉捂、遠程收發(fā)器模塊和一個地震檢波器實現(xiàn)，后者是一個可以將地面運動轉(zhuǎn)換為電壓的地面運動傳感器于抬。霧層渣冒，主要是一個Raspberry Pi 3模型B饱粟，用于接收信號，然后進行解壓縮琅瘦，從中提取重要特征掖阶，同時在將信號通過以太網(wǎng)或Wi-Fi傳輸?shù)皆贫酥皩ζ溥M行分類處理。最后乌诚，云層執(zhí)行推理炮疲。
為了訓練能夠區(qū)分腳步的機器學習模型，研究人員除了收集腳步的長度和節(jié)奏(兩個連續(xù)腳步之間的差距)外蜒午，還收集了腳步聲的時間和頻率虎叔。該團隊稱，在一個月的時間里截胯，他們使用地震檢波器從8名赤腳測試參與者那里收集了大約46,000個足跡——這是同類中最大的數(shù)據(jù)集铺坞。
他們認為，在現(xiàn)實世界中洲胖，如果將“監(jiān)控區(qū)域”(如學屑谜ィ或工廠)劃分為“區(qū)域”(如工廠樓層，部門)和子區(qū)域(如房間绿映，醫(yī)院病房)擒滑，就可以最好地完成數(shù)據(jù)收集。
另外叉弦，在模型訓練的過程中橘忱，研究小組發(fā)現(xiàn)，大約8分鐘的步行卸奉，即約875個腳印中判斷的準確率需要達到85%，而該系統(tǒng)的結(jié)果最終超過了這個數(shù)據(jù)颖御。在測試的過程中榄棵，表現(xiàn)最好的人工智能系統(tǒng)與個人的腳步匹配時，僅從7個連續(xù)的腳步聲中潘拱，判斷身份的準確率可達92.29%疹鳄。
不過，該系統(tǒng)有一個明顯的缺點是無法一次識別多個人唠芋，如果是兩個人及以上便會混淆系統(tǒng)摹钳。研究人員將此問題作為了未來的研究對象，但他們相信當前的技術(shù)可以被用于登記教室或車間出勤拧淘，檢測入侵者以及控制家用電器疲席。
研究人員表示，“這種生物識別系統(tǒng)的主要優(yōu)點是族焰，地震傳感器可以很容易地被“偽裝”起來;逃避檢測是不可能的台古，因為腳步模式是無法模仿的;此外慨醒，它不會侵犯個人隱私;并且它對環(huán)境參數(shù)不太敏感，超出個人解碼和制造原始信號的能力盲赚。”
18221259202