Vigilância
AI pode identificar uma pessoa a partir de um único passo
Uma nova iniciativa de pesquisa produziu um sistema de baixo custo capaz de identificar uma pessoa com base no som de seus passos, a partir de um único passo.
No papel IDENTIFICAÇÃO PASSIVA DE MÚLTIPLAS PESSOAS POR MEIO DE SEPARAÇÃO E RECONHECIMENTO PROFUNDO (PURE), uma colaboração entre pesquisadores da Nanyang Technological University e da University of Kentucky, entre outros, as taxas de identificação foram estabelecidas em até 90%, a partir de amostras de áudio extremamente breves.
Cinco perfis distintos de passos capturados em PURE.
A arquitetura do PURE depende de dados de uma variedade de microfones comuns, com a captura de áudio bruta eliminada por ruído de fundo subtração espectral. Onde a relação sinal/ruído é alta, incluindo a conversa que está ocorrendo no momento da captura, um algoritmo de separação de fonte é ativado para realizar a extração discreta dos passos.
O áudio dos passos é esclarecido e analisado via adaptação adversária de domínio, com a estrutura compreendendo um extrator de recursos, um preditor de identidade e um discriminador de domínio.
Hardware para PURE
O equipamento usado para o PURE é um conjunto de microfones embutido em um equipamento customizado baseado no Raspberry Pi 4.
Os microfones capturam o áudio na taxa mais alta disponível para sinais 'suportados pela estrutura' (pés em contato com o solo), uma vez que esses dados são de duração extremamente curta e precisam ser o mais detalhados possível. No entanto, passos no ar (o som que os pés fazem no arco em direção ao próximo contato com o solo) são reduzidos para 16kHz para economizar capacidade de processamento local para passos na estrutura.
Os pesquisadores sintetizaram um conjunto de dados de treinamento do Placa de Som de Efeitos Sonoros de Passos, bem como de Efeitos Sonoros de Passos de Epidemic Sound. O componente de áudio de vários Ted Talks foi usado para produzir dados de treinamento para o processo de extração de passos da conversa em segundo plano.
Prevenção de 'ataques de repetição' no reconhecimento de passos
Um sistema dessa natureza precisa ser resiliente a 'ataques de repetição', em que um malfeitor pode gravar um determinado padrão de passos e reproduzi-lo na esperança de que o sistema identifique a gravação como um usuário ao vivo.
Para evitar isso, o PURE analisa o tempo de chegada (ToA) em passos de 'contato' e o ângulo de chegada (AoA) em passos aéreos.
A falta de informação dinâmica em passos repetidos os revela com bastante facilidade, embora seja necessário levar isso em consideração ao processar os dados. Ao observar a irregularidade natural dos passos, e também sua velocidade no contexto do ambiente (uma vez que é improvável que alguém corra ou demore, por exemplo, em um ambiente de escritório), é possível garantir que os dados recebidos sejam autênticos .
O projeto usa beamforming técnicas para calcular o ToA, mas a extração do AoA é mais complexa, exigindo uma rede neural R-Net que, novamente, usa o aprendizado contraditório para calcular o alcance de um passo. Este é essencialmente o mesmo modelo da rede neural anterior, exceto que o preditor de identidade é substituído por um estimador de alcance.
Precisão
O PURE foi testado em uma ampla variedade de ambientes acústicos e usando uma variedade de velocidades de caminhada em várias distâncias. À medida que o número de pessoas criando pegadas aumenta, a precisão diminui naturalmente, como também ocorre quando a velocidade de várias fontes de pegadas aumenta.
No entanto, dependendo da adaptação do domínio, os resultados de mais de 100 tentativas descobriram que o sistema pode identificar um usuário de 3 a 5 passos com uma faixa de precisão de 90.73% a 96.53%; de 2 a 3 passos com uma faixa de precisão de 88.16% a 95.92%; e de um único passo com uma faixa de precisão de 81.75% a 88.6%.
Os pesquisadores preveem ampla aplicabilidade para o PURE, devido ao baixo custo do hardware de commodity envolvido, e ao fato de que ele também supera sistemas similares em termos de latência e precisão, além de ser robusto a interferências ambientais e ataques de repetição.
O crescimento da análise da marcha
Esta esfera específica de pesquisa em aprendizado de máquina centrou-se principalmente na visão computacional nos últimos dez anos e recebeu um estímulo cultural quando usava como um dispositivo de enredo em Missão Impossível: Nation Rogue (2015).
Até o momento, tecnologias de reconhecimento de marcha foram propostas para uso em atendimento ao idoso, pós-cirúrgico reabilitação, e mais controversamente para veiculação de anúncios personalizados em ambientes de varejo, embora tal sistema obviamente tenha usos potenciais para monitoramento de funcionários em ambientes seguros.
Em 2018 era relatado que as autoridades chinesas usam análise de marcha baseada em visão da empresa de desenvolvimento de IA Watrix como faceta em seus sistemas de vigilância pública em circuito fechado.
O reconhecimento da marcha também foi implementado por monitoração a refletância dos sinais Wi-Fi.
No entanto, todas essas abordagens têm limitações inerentes, exigindo condições de iluminação que não podem ser garantidas, vistas desimpedidas, equipamentos especializados proibitivamente caros, condições locais excessivamente específicas ou equipamentos usados no corpo, entre outros obstáculos.
