看臉不如看腳，AI身份識別又添新技術

本文由人工智慧觀察編譯

譯者：Sandy

在生活中，對於如何識別一個人的身份，我們聽說最多的大概是指紋掃描，虹膜掃描，甚至還有眼動追蹤技術，而關於基於腳印的生物識別技術相比起來，似乎有些「鮮為人知」。近日，在全球最大的預印本系統Arxiv.org上發表的一項最新研究便調查了人工智慧如何只通過足跡來識別一個人。

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於霧計算構架的系統。據悉，該架構採用邊緣設備來執行大部分計算，存儲和涉及數據收集的溝通。 對此，研究人員指出，這有助於減少寬頻和能源需求，進而降低成本。

在論文中，他們寫道，「在我們的方法中，人們只需要穿過有感測器的活動區域即可。事實上，人類識別系統在各個領域都有重要應用。」

具體而言，該系統由三層組成：物體層（感測器與低端處理器的配對，嵌入式處理器與收發器的配對）；霧層（嵌入式處理器和收發器）；雲層（伺服器）。在物體層，該過程由一個樹莓派零（Raspberry Pi Zero）、遠程收發器模塊和一個地震檢波器實現，後者是一個可以將地面運動轉換為電壓的地面運動感測器。霧層，主要是一個Raspberry Pi 3模型B，用於接收信號，然後進行解壓縮，從中提取重要特徵，同時在將信號通過乙太網或Wi-Fi傳輸到雲端之前對其進行分類處理。最後，雲層執行推理。

為了訓練能夠區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奏（兩個連續腳步之間的差距）外，還收集了腳步聲的時間和頻率。該團隊稱，在一個月的時間裡，他們使用地震檢波器從8名赤腳測試參與者那裡收集了大約46,000個足跡——這是同類中最大的數據集。

他們認為，在現實世界中，如果將「監控區域」（如學校或工廠）劃分為「區域」（如工廠樓層，部門）和子區域（如房間，醫院病房），就可以最好地完成數據收集。

另外，在模型訓練的過程中，研究小組發現，大約8分鐘的步行，即約875個腳印中判斷的準確率需要達到85%，而該系統的結果最終超過了這個數據。在測試的過程中，表現最好的人工智慧系統與個人的腳步匹配時，僅從7個連續的腳步聲中，判斷身份的準確率可達92.29%。

不過，該系統有一個明顯的缺點是無法一次識別多個人，如果是兩個人及以上便會混淆系統。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可以被用於登記教室或車間出勤，檢測入侵者以及控制家用電器。

研究人員表示，「這種生物識別系統的主要優點是，地震感測器可以很容易地被「偽裝」起來；逃避檢測是不可能的，因為腳步模式是無法模仿的；此外，它不會侵犯個人隱私；並且它對環境參數不太敏感，超出個人解碼和製造原始信號的能力。」

（文中圖片來自網路）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！