你可能听说过指纹扫描,虹膜扫描,眼睛注视扫描,但很少听说过关于脚印的生物识别技术。在Arxiv上发表的一项新研究,人工智能(AI)可以通过人类的脚印来识别。

德里印度理工学院的研究人员在题为“ 通过脚步产生的震动信号进行人员识别 ”的论文中描述了该系统。它基于雾计算架构,该架构采用边缘设备来执行大部分计算,存储和涉及数据收集的沟通。(该团队指出,这可以通过最小化带宽和能源需求来降低成本。)

该系统由三层组成:物体(传感器与低端处理器配对,嵌入式处理器与收发器配对); 雾(嵌入式处理器和收发器); 和云(服务器)。物质层,在此实施中由Raspberry Pi Zero,地震检波器(将地面运动转换为电压的地面运动传感器)和远程收发器模块组成,自动提取代表人流量的地震信号部分并在将其通过ZigBee发送到雾层之前压缩它。雾层 – 一个Raspberry Pi 3模型B – 接收足球信号,解压缩它,从中提取重要特征,并在将信号通过以太网或Wi-Fi传递到云之前对信号进行分类。最后,云执行推理。

为了训练能够区分步骤(以及通过扩展,人们)的机器学习模型,研究人员除了长度和节奏(两个连续的脚步之间的差距)之外,还收集了脚步的时间和频率。该团队声称,在一个月内,他们使用地震检波器从8名赤脚测试参与者那里收集了大约46,000个足迹事件 – 这是同类中最大的数据集。

他们认为,在现实世界中,数据收集最好通过将“监控区域”(例如学院或工厂)划分为“区域”(工厂楼层,部门)和子区域(房间,医院病房)来实现。在模型训练过程中,研究小组发现,每班约875个足迹 – 大约8分钟的步行 – 需要达到85%以上的准确率,但他们的结果最终超过了基线。在测试过程中,表现最佳的AI系统将个人与他的足迹相匹配,只有72.29%的时间来自七个连续的足迹。

该系统唯一缺点是无法一次识别多个人,多人会造成系统混淆。当前可以可靠地用于登记教室或车间出勤,检测入侵者和控制家用电器。这种生物识别系统的主要优点可以伪装地震传感器;无法逃避检测;不会侵犯个人隐私;并且对环境参数不太敏感,超出个人解码和制造原始信号的能力。