Tek Adım Sesi ile Kişiyi Tanıyabilen AI

Yeni bir araştırma girişimi, düşük maliyetli bir sistem geliştirdi ve bu sistem, yalnızca bir adım sesinden kişiyi tanımlayabiliyor.

Makale Passive mUlti-peRson idEntification via Deep Footstep Separation and Recognition (PURE) adlı bir çalışmada, Nanyang Teknoloji Üniversitesi ve Kentucky Üniversitesi’nden araştırmacılar, tanımlama oranlarını %90’a kadar çıkardı ve bu oran, çok kısa süreli ses örneklerinden elde edildi.

Beş farklı ayak izi profili PURE’da yakalandı.

PURE mimarisi, bir dizi ucuz mikrofon verisinden faydalanıyor ve ham ses kaydı, arka plan spektral çıkarma yoluyla gürültüden arındırılıyor. Sinyal-gürültü oranı yüksek olduğunda, kayıt anında gerçekleşen konuşma da dahil olmak üzere, bir kaynak ayırma algoritması, ayak seslerini ayrı olarak çıkarmak için devreye giriyor.

Ayak sesi, alan karşıtı uyarlanabilirlik yoluyla netleştiriliyor ve analiz ediliyor. Çerçevede, bir özellik çıkarıcı, bir kimlik tahmini ve bir alan ayırıcı bulunuyor.

PURE için Donanım

PURE için kullanılan ekipman, Raspberry Pi 4 tabanlı bir mikrofon dizisi ve özel bir şasi içeriyor.

Mikrofonlar, ‘yapısal olarak taşınan’ sinyaller (ayakların zemine teması) için en yüksek disponible hızda ses kaydı yapıyor, çünkü bu veriler çok kısa süreli ve mümkün olduğunca ayrıntılı olması gerekiyor. Ancak, ‘hava yoluyla taşınan’ ayak sesleri (ayakların bir sonraki zemine temasına doğru hareketi), yerel işlem kapasitesini yapısal adımlar için korumak amacıyla 16kHz’ye indirgeniyor.

Araştırmacılar, Footsteps Sound Effects Soundboard ve Footsteps Sound Effects gibi kaynaklardan eğitim veri setlerini sentezlediler. Ayrıca, çeşitli Ted Talks’tan alınan ses kayıtları, konuşmalardan ayak seslerini çıkarmak için eğitim veri setlerini oluşturmak için kullanıldı.

Ayak İzinde ‘Tekrar Saldırıları’nı Önleme

Bu tür bir sistem, ‘tekrar saldırıları’na karşı dayanıklı olmalıdır; yani bir saldırgan, belirli bir ayak izi desenini kaydedip sistemi kandırmaya çalışabilir.

Bu tür saldırıları önlemek için PURE, ‘temas’ adımlarında Geliş Zamanı (Time-of-Arrival, ToA) ve ‘hava yoluyla taşınan’ adımlarda Geliş Açısı (Angle-of-Arrival, AoA) analiz ediyor.

Kaydedilen ayak seslerinde dinamik bilgilerin eksikliği, bunları kolayca ortaya çıkarıyor, ancak verilerin işlenmesinde buna dikkat etmek gerekiyor. Ayak izlerindeki doğal düzensizliği gözlemleyerek ve çevredeki hızını dikkate alarak, alınan verilerin gerçek olduğunu garantileyebiliyor.

Proje, ışın oluşturma tekniklerini ToA hesaplamak için kullanıyor, ancak AoA’nın çıkarılması daha karmaşık ve bir R-Net sinir ağı gerektiriyor. Bu, daha önce kullanılan sinir ağı modeli ile benzer, ancak kimlik tahmini, menzil tahmini ile değiştiriliyor.

Doğruuluk

PURE, çeşitli akustik ortamlarda ve farklı yürüyüş hızlarında test edildi. Kişi sayısı arttıkça ve yürüyüş hızı arttıkça, sistemın doğruluğu düşüyor.

Alan uyarlanmasına bağlı olarak, 100 denemeden elde edilen sonuçlar, sistemin 3-5 adımdan %90,73 ile %96,53 arasında, 2-3 adımdan %88,16 ile %95,92 arasında ve tek bir adımdan %81,75 ile %88,6 arasında doğruluk oranlarına ulaştığını gösterdi.

Araştırmacılar, PURE’nin geniş uygulama alanlarına sahip olabileceğini öngörüyor;因为 kullanılan donanım ucuz, sistem benzer sistemlere göre gecikme ve doğruluk açısından daha iyi performans gösteriyor ve çevresel parazitlere ve tekrar saldırılarına karşı dayanıklı.

Adımlama Analizinin Büyümesi

Bu makine öğrenimi araştırması alanı, son on yılda主要 olarak bilgisayar görüşü üzerine odaklandı ve kullanıldığı Mission Impossible: Rogue Nation (2015) filmi ile kültürel bir ivme kazandı.

Şimdiye kadar, adımlama tanıma teknolojileri, yaşlı bakımında, ameliyat sonrası rehabilitasyonda ve daha tartışmalı olarak perakende ortamlarında kişiselleştirilmiş reklam hizmetlerinde kullanılmak üzere önerildi; ancak böyle bir sistem, güvenli ortamlarda çalışanların izlenmesinde de kullanılabilecek potansiyelli bir sistem.

2018’de, Çin yetkililerinin, Watrix adlı bir AI geliştirme şirketinin geliştirdiği görüş tabanlı adımlama analizini, kapalı devre kamu gözetim sistemlerinin bir parçası olarak kullandığı raporlandı.

Adımlama tanıma, ayrıca Wi-Fi sinyallerinin yansımasını izleyerek uygulanabiliyor.

Ancak, bu yaklaşımların hepsi, garantilenemeyen aydınlatma koşulları, engelsiz görüntüler, pahalı özel ekipman, çok spesifik yerel koşullar veya giyilebilir ekipman gibi içkin sınırlılıklara sahip.