Trí tuệ nhân tạo có thể xác định một người từ một bước chân đơn

Một sáng kiến nghiên cứu mới đã tạo ra một hệ thống giá thấp có khả năng xác định một người dựa trên âm thanh của bước chân, từ chỉ một bước.

Trong bài báo Passive mUlti-peRson idEntification via Deep Footstep Separation and Recognition (PURE), một hợp tác giữa các nhà nghiên cứu từ Đại học Nanyang và Đại học Kentucky, tỷ lệ xác định đạt được lên đến 90%, từ các mẫu âm thanh cực kỳ ngắn.

Năm hồ sơ bước chân đặc trưng được thu thập trong PURE.

Kiến trúc cho PURE dựa trên dữ liệu từ một mảng microphone hàng hóa, với việc thu âm thô được làm sạch qua việc trừ phổ nền spectral subtraction. Khi tỷ lệ tín hiệu trên nhiễu cao, bao gồm cả cuộc trò chuyện đang diễn ra tại thời điểm thu, một thuật toán tách nguồn được kích hoạt để thực hiện việc trích xuất riêng biệt các bước chân.

Âm thanh bước chân được làm rõ và phân tích qua domain adversarial adaptation, với khuôn khổ bao gồm một bộ trích xuất tính năng, một bộ dự đoán danh tính và một bộ phân biệt miền.

Phần cứng cho PURE

Thiết bị được sử dụng cho PURE là một mảng microphone được nhúng trong một khung tùy chỉnh dựa trên Raspberry Pi 4.

Các microphone thu âm thanh tại tốc độ cao nhất có sẵn cho các tín hiệu ‘structure borne’ (chân tiếp xúc với mặt đất), vì dữ liệu này có thời gian cực kỳ ngắn và cần phải chi tiết nhất có thể. Tuy nhiên, các bước chân ‘air-borne’ (âm thanh chân tạo ra trong quá trình di chuyển tới điểm tiếp xúc tiếp theo với mặt đất) được giảm mẫu xuống 16kHz để tiết kiệm khả năng xử lý cục bộ cho các bước chân ‘structure-borne’.

Các nhà nghiên cứu đã tổng hợp một tập dữ liệu huấn luyện từ Footsteps Sound Effects Soundboard, cũng như từ Footsteps Sound Effects từ Epidemic Sound. Thành phần âm thanh từ các buổi nói chuyện Ted được sử dụng để tạo dữ liệu huấn luyện cho quá trình trích xuất bước chân từ cuộc trò chuyện nền.

Ngăn chặn ‘Replay Attacks’ Trong Nhận dạng Bước chân

Một hệ thống như vậy cần phải có khả năng chống lại các ‘replay attacks’, nơi một kẻ tấn công có thể ghi lại một mẫu bước chân cụ thể và phát lại nó với hy vọng rằng hệ thống sẽ xác định bản ghi lại là một người dùng trực tiếp.

Để ngăn chặn điều này, PURE phân tích Thời gian đến (ToA) trong các bước chân ‘contact’ và Góc đến (AoA) trong các bước chân ‘air-borne’.

Thiếu thông tin động trong các bước chân phát lại tiết lộ chúng khá dễ dàng, mặc dù cần phải tính đến điều này khi xử lý dữ liệu. Bằng cách quan sát sự bất thường tự nhiên của các bước chân và cũng tốc độ của chúng trong bối cảnh môi trường (vì nó không thể một người sẽ chạy hoặc đi chậm trong một môi trường văn phòng), có thể đảm bảo rằng dữ liệu được nhận là xác thực.

Dự án sử dụng kỹ thuật beamforming để tính toán ToA, nhưng việc trích xuất AoA phức tạp hơn, đòi hỏi một mạng nơ-ron R-Net sử dụng học đối抗 để tính toán phạm vi của một bước chân. Về cơ bản, đây là cùng một mô hình như mạng nơ-ron trước đó, ngoại trừ việc bộ dự đoán danh tính được thay thế bằng một bộ ước tính phạm vi.

Độ chính xác

PURE đã được thử nghiệm trong một loạt các môi trường âm thanh và sử dụng nhiều tốc độ đi bộ khác nhau trên nhiều khoảng cách. Khi số lượng người tạo ra bước chân tăng lên, độ chính xác tự nhiên giảm xuống, cũng như khi tốc độ của nhiều nguồn bước chân tăng lên.

Tuy nhiên, tùy thuộc vào việc thích nghi miền, kết quả từ 100 thử nghiệm cho thấy hệ thống có thể xác định người dùng từ 3-5 bước chân với độ chính xác từ 90,73% đến 96,53%; từ 2-3 bước chân với độ chính xác từ 88,16% đến 95,92%; và từ một bước chân với độ chính xác từ 81,75% đến 88,6%.

Các nhà nghiên cứu dự đoán khả năng ứng dụng rộng rãi cho PURE, do chi phí thấp của phần cứng hàng hóa và thực tế là nó cũng vượt trội so với các hệ thống tương tự về độ trễ và độ chính xác, đồng thời có khả năng chống lại nhiễu môi trường và các cuộc tấn công phát lại.

Sự phát triển của Phân tích Gait

Lĩnh vực nghiên cứu học máy này đã tập trung chủ yếu vào tầm nhìn máy tính trong thập kỷ qua và nhận được một sự thúc đẩy văn hóa khi sử dụng như một thiết bị.plot trong Nhiệm vụ bất khả thi: Quốc gia lưu vong (2015).

Cho đến nay, các công nghệ nhận dạng gait đã được đề xuất cho sử dụng trong chăm sóc người già, phục hồi sau phẫu thuật, và gây tranh cãi hơn cho việc phục vụ quảng cáo cá nhân hóa trong môi trường bán lẻ, mặc dù một hệ thống như vậy rõ ràng có thể được sử dụng để giám sát nhân viên trong môi trường bảo mật.

Vào năm 2018, nó đã được báo cáo rằng các cơ quan chức năng Trung Quốc sử dụng phân tích gait dựa trên tầm nhìn từ công ty phát triển AI Watrix như một khía cạnh trong hệ thống giám sát công cộng.

Phân tích gait cũng đã được thực hiện bằng cách giám sát sự phản xạ của tín hiệu Wi-Fi.

Tuy nhiên, tất cả các phương pháp này đều có những hạn chế vốn có, đòi hỏi điều kiện ánh sáng không thể đảm bảo, tầm nhìn không bị che khuất, thiết bị chuyên dụng đắt tiền, điều kiện cục bộ quá cụ thể hoặc thiết bị đeo trên người, trong số các chướng ngại vật khác.