يمكن للذكاء الاصطناعي تحديد شخص من خطوة واحدة

أدى مبادرة بحثية جديدة إلى إنتاج نظام منخفض التكلفة قادر على تحديد شخص بناءً على صوت خطواته ، من خطوة واحدة فقط.

في الورقة التعرف على الهوية السلبية متعددة الأشخاص عبر فصل الخطوات و التعرف (PURE) ، وهو تعاون بين الباحثين من جامعة نانيانغ التكنولوجية وجامعة كنتاكي ، من بين آخرين ، تم تحديد معدلات التعرف بنسبة تصل إلى 90٪ ، من عينات صوتية قصيرة بشكل استثنائي.

خمس ملفات تعريف مميزة لخطوات الأقدام تم التقاطها في PURE.

يعتمد الهيكل المعماري لـ PURE على بيانات من مصفوفة من الميكروفونات المتاحة ، حيث يتم إزالة الضوضاء من التقاط الصوت الخام عبر طرق الطيفية. حيث يكون نسبة الإشارة إلى الضوضاء عالية ، بما في ذلك المحادثة التي تحدث في وقت التقاط ، يتم تنشيط خوارزمية فصل المصدر لأداء استخراج متقطع للخطوات.

يتم توضيح صوت خطوات الأقدام وتحليله عبر التكيف التعددي المعادي ، مع إطار يتكون من مستخرج ميزة ، ومتنبئ بالهوية ، وتمييز مجال.

الأجهزة لPURE

الأجهزة المستخدمة لPURE هي مصفوفة ميكروفونات متأصلة في هيكل مخصص حول Raspberry Pi 4.

تم التقاط الصوت بواسطة الميكروفونات بسرعة أعلى متاحة للاشارات “المتأصلة في الهيكل” (الأقدام تلامس الأرض) ، منذ أن تكون هذه البيانات قصيرة بشكل استثنائي ، ويجب أن تكون مفصلة قدر الإمكان. ومع ذلك ، يتم تقليل عينة صوت خطوات الأقدام الجوية (صوت الأقدام في القوس نحو الاتصال التالي بالأرض) إلى 16 كيلو هرتز لتوفير السعة المحلية لمعالجة خطوات الأقدام المتأصلة في الهيكل.

قام الباحثون بإنشاء مجموعة بيانات تدريبية من لوحة صوتيات خطوات الأقدام ، وكذلك من صوتيات خطوات الأقدام من Epidemic Sound. تم استخدام المكون الصوتي من محادثات Ted Talks لإنشاء بيانات تدريبية لعملية استخراج خطوات الأقدام من المحادثة الخلفية.

منع هجمات الإعادة في التعرف على خطوات الأقدام

نظام من هذا القبيل يحتاج إلى أن يكون متينًا ضد هجمات “الإعادة” ، حيث قد يسجل شخص خبيث نمط خطوات معين ويplayed في الأمل أن النظام سوف يعرف التسجيل كشخص حي.

لإحباط ذلك ، يقوم PURE بتحليل وقت وصول (ToA) في خطوات “التواصل” ، وزاوية وصول (AoA) في خطوات الأقدام الجوية.

تظهر نقص المعلومات الديناميكية في خطوات الأقدام المعاد تشغيلها بسهولة ، على الرغم من أنه من الضروري مراعاة ذلك عند معالجة البيانات. من خلال ملاحظة عدم انتظام خطوات الأقدام الطبيعي ، وسرعتها في سياق البيئة (من غير المحتمل أن يركض أو يتماطل ، على سبيل المثال ، في بيئة المكتب) ، من الممكن ضمان أن البيانات الواردة هي حقيقية.

يستخدم المشروع تقنيات التشكيل الإشعاعي لحساب ToA ، ولكن استخراج AoA أكثر تعقيدًا ، ويتطلب شبكة عصبية R-Net التي ، مرة أخرى ، تستخدم التعلم المعادي لحساب مدى خطوة. هذا هو نفس النموذج مثل الشبكة العصبية السابقة ، باستثناء أن متنبئ الهوية يتم استبداله بمح估 مدى.

الدقة

تم اختبار PURE في مجموعة واسعة من البيئات الصوتية ، و باستخدام مجموعة متنوعة من سرعات المشي على مدى مسافات. مع زيادة عدد الأشخاص الذين يخلقون خطوات الأقدام ، ينخفض الدقة بشكل طبيعي ، كما يحدث عندما تزيد سرعة مصادر خطوات الأقدام المتعددة.

然而 ، اعتمادًا على التكيف المجالي ، وجدت النتائج على مدار 100 تجربة أن النظام يمكن أن يعرف مستخدمًا من 3-5 خطوات بدقة تتراوح من 90.73٪ إلى 96.53٪ ؛ من 2-3 خطوات بدقة تتراوح من 88.16٪ إلى 95.92٪ ؛ ومن خطوة واحدة بدقة تتراوح من 81.75٪ إلى 88.6٪.

يتوقع الباحثون تطبيقًا واسعًا لPURE ، بسبب انخفاض تكلفة الأجهزة المتاحة ، وحقيقة أنها تفوق الأنظمة المماثلة من حيث الاتساق والدقة ، مع كونها متينة ضد التداخل البيئي وهجمات الإعادة.

نمو تحليل المشي

ركز هذا المجال المحدد من أبحاث التعلم الآلي بشكل أساسي على الرؤية الحاسوبية خلال العشر سنوات الماضية ، وتلقى دفعة ثقافية عندما استخدم كأداة مؤامرة في مهمة مستحيلة: أمة منشقة (2015).

حتى الآن ، تم اقتراح تقنيات التعرف على المشي للاستخدام في عناية المسنين ، و التأهيل بعد الجراحة ، وأكثر جدلاً للخدمات الإعلانية المخصصة في البيئات التجارية ، على الرغم من أن نظامًا كهذا ي显ح له استخدامات محتملة لمراقبة الموظفين في البيئات الآمنة.

في عام 2018 ، تم الإبلاغ أن السلطات الصينية تستخدم تحليل المشي القائم على الرؤية من شركة وتريكس لتنمية الذكاء الاصطناعي كجزء من أنظمة المراقبة العامة المغلقة.

تم تطبيق التعرف على المشي أيضًا من خلال مراقبة انعكاس إشارات Wi-Fi.

然而 ، كل هذه النهج لها قيود متأصلة ، إما تتطلب ظروف إضاءة لا يمكن ضمانها ، أو مناظير غير محجوبة ، أو معدات متخصصة باهظة الثمن ، أو ظروف محلية محددة بشكل مفرط ، أو أجهزة تعمل بالجسم ، من بين autres عقبات.