2024-10-18 02:41:17发布:AI识别又添新技术 看脚也能辨别身份了
发布日期:2024-10-18 02:41:17 阅读:574684 当前热度:561
来源类型:财联社 | 作者:肖恩·罗格森 本站原创 转载请注明
【新澳今天最新资料2024】 【澳门资料大全】 【2024香港结果记录及查询】 | 【新澳门三中三码精准100%】 【今晚最准一肖一码的来源】 【澳门六开彩2024资料】 【六香港开结果记录2024】 【一码一肖100准打开码结果】 【2823澳门新资料大全免费】 【2024新澳免费资料大乐季】 【吃什么降压得快效果好】 【六肖100准白小姐王中王】 【澳门天天开彩好正版挂牌】
[摘要] 在生活中,对于如何识别一个人的身份,我们听说最多的大概是指纹扫描,虹膜扫描,甚至还有眼动追踪技术,而关于基于脚印的生物识别技术相比起来,似乎有些“鲜为人知”。近日,在全球最大的预印本系统Arxiv.org上发表的一项最新研究便调查了人工智能如何只通过足
在生活中,对于如何识别一个人的身份,我们听说最多的大概是指纹扫描,虹膜扫描,甚至还有眼动追踪技术,而关于基于脚印的生物识别技术相比起来,似乎有些“鲜为人知”。近日,在全球最大的预印本系统Arxiv.org上发表的一项最新研究便调查了人工智能如何只通过足迹来识别一个人。
来自印度理工学院的研究人员在一篇题为《利用脚步声中产生的地震信号进行人员识别》(Person Identification using Seismic Signals generated from Footfalls)的论文中描述了一个基于雾计算构架的系统。据悉,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。 对此,研究人员指出,这有助于减少宽带和能源需求,进而降低成本。
在论文中,他们写道,“在我们的方法中,人们只需要穿过有传感器的活动区域即可。事实上,人类识别系统在各个领域都有重要应用。”
具体而言,该系统由三层组成:物体层(传感器与低端处理器的配对,嵌入式处理器与收发器的配对);雾层(嵌入式处理器和收发器);云层(服务器)。在物体层,该过程由一个树莓派零(Raspberry Pi Zero)、远程收发器模块和一个地震检波器实现,后者是一个可以将地面运动转换为电压的地面运动传感器。雾层,主要是一个Raspberry Pi 3模型B,用于接收信号,然后进行解压缩,从中提取重要特征,同时在将信号通过以太网或Wi-Fi传输到云端之前对其进行分类处理。最后,云层执行推理。
为了训练能够区分脚步的机器学习模型,研究人员除了收集脚步的长度和节奏(两个连续脚步之间的差距)外,还收集了脚步声的时间和频率。该团队称,在一个月的时间里,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——这是同类中最大的数据集。
他们认为,在现实世界中,如果将“监控区域”(如学校或工厂)划分为“区域”(如工厂楼层,部门)和子区域(如房间,医院病房),就可以最好地完成数据收集。
另外,在模型训练的过程中,研究小组发现,大约8分钟的步行,即约875个脚印中判断的准确率需要达到85%,而该系统的结果最终超过了这个数据。在测试的过程中,表现最好的人工智能系统与个人的脚步匹配时,仅从7个连续的脚步声中,判断身份的准确率可达92.29%。
不过,该系统有一个明显的缺点是无法一次识别多个人,如果是两个人及以上便会混淆系统。研究人员将此问题作为了未来的研究对象,但他们相信当前的技术可以被用于登记教室或车间出勤,检测入侵者以及控制家用电器。
研究人员表示,“这种生物识别系统的主要优点是,地震传感器可以很容易地被“伪装”起来;逃避检测是不可能的,因为脚步模式是无法模仿的;此外,它不会侵犯个人隐私;并且它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。”
文章转载链接:华强智慧网
【奥门全年资料免费大全一】 【2024澳门历史记录查询】 【494949CO澳门一捎一码】 | 【2O24澳门结果】 【中国女童向马斯克报BUG成功】 【2024澳门天天彩免费正版资料】 【2024新澳免费资料大全】 【新澳2024年精准资料32期】 【2024新澳今晚资料66期】 【新澳门六管家婆】 【管家婆三期内开一期】 【澳门天天开彩结果】 【澳门三肖三码精准100%管家婆】
智燦:
3秒前:在生活中,对于如何识别一个人的身份,我们听说最多的大概是指纹扫描,虹膜扫描,甚至还有眼动追踪技术,而关于基于脚印的生物识别技术相比起来,似乎有些“鲜为人知”。
IP:60.49.94.*
Marandi:
1秒前:他们认为,在现实世界中,如果将“监控区域”(如学校或工厂)划分为“区域”(如工厂楼层,部门)和子区域(如房间,医院病房),就可以最好地完成数据收集。
IP:71.95.21.*
斯特芬·马克尔:
4秒前:雾层,主要是一个Raspberry Pi 3模型B,用于接收信号,然后进行解压缩,从中提取重要特征,同时在将信号通过以太网或Wi-Fi传输到云端之前对其进行分类处理。
IP:81.40.87.*
Bercovitch:
3秒前:为了训练能够区分脚步的机器学习模型,研究人员除了收集脚步的长度和节奏(两个连续脚步之间的差距)外,还收集了脚步声的时间和频率。
IP:76.82.32.*
Owiso:
1秒前:
IP:83.13.63.*
杰弗瑞·克莱默:
2秒前:文章转载链接:华强智慧网
IP:75.94.90.*
Moniz:
5秒前:来自印度理工学院的研究人员在一篇题为《利用脚步声中产生的地震信号进行人员识别》(Person Identification using Seismic Signals generated from Footfalls)的论文中描述了一个基于雾计算构架的系统。
IP:69.23.19.*