根據走路方式及步態(tài)的生物識別驗證系統(tǒng) 或將取代指紋識別和虹膜掃描

研究人員開發(fā)出基于行為的生物識別驗證系統(tǒng)，透過分析個人走路的方式及其步態(tài)，提供非侵入式的身份驗證方法，可用于機場安檢以取代指紋識別和虹膜掃描…

英國曼徹斯特大學(University of Manchester)電子與電機工程系與西班牙馬德里大學(University of Madrid)的研究人員合作，開發(fā)了一種能夠測量人類個人步態(tài)或行走模式的行為生物識別驗證系統(tǒng)，只要個人行走于地板上的壓力墊，即可對其腳步的3D形態(tài)和基于時間的數據進行分析，成功識別個人身份。

研究人員宣稱，透過該系統(tǒng)分析個人走路的方式及其步態(tài)，提供了一種非侵入式的身份驗證方法，可用于作為機場安檢的生物識別技術，以取代指紋識別和虹膜掃描。

這項研究結果發(fā)表于今年初的機器學習研究期刊——《IEEE模式分析與機器智能匯刊》(IEEE TransacTIons on Pattern Analysis and Machine Intelligence；TPAMI)。研究人員在文中指出，平均而言，這項新開發(fā)的人工智能(AI)系統(tǒng)幾乎在100%的時間都能正確識別出個人，其錯誤率僅0.7%。

目前，基于生理特征的生物識別技術，例如指紋、臉部識別和視網膜掃描，經常用于安全目的。然而，諸如步態(tài)識別之類的行為生物識別技術也可以擷取由個人自然行為和動作模式所呈現的獨特標識。研究團隊針對三種現實世界的安全場景——機場安全檢查點、工作場所以及家庭環(huán)境，采用了大量所謂的“冒名頂替者”以及少量的用戶來測試其數據。

主導這項研究的曼徹斯特大學電子與電機工程系教授Omar CosTIlla-Reyes解釋：“每個人在走路時受到大約24種不同因素和動作的影響，導致每個人都有唯一、獨特的步態(tài)模式。因此，就像指紋或虹膜掃描一樣，監(jiān)測這些動作即可用于辨認和驗證個人身份。”

為了打造這樣的AI系統(tǒng)，必須讓計算機學習這些動作模式。該研究團隊收集了迄今最龐大的步態(tài)數據庫，其中包含來自127位個人近20,000個腳步信號。為了編譯這些樣本和數據集，研究團隊還使用了落地式傳感器以及高分辨率相機。

這個數據集被稱為SfootBD。CosTIlla-Reyes正是利用此SfootBD數據集，開發(fā)出發(fā)表于TPAMI中的自動足跡生物識別系統(tǒng)所需的先進運算模型。

步態(tài)模式包括視覺、壓力以及加速度計。

CosTIlla-Reyes補充說：“借由監(jiān)測個人腳步施加在地板上的力道來研究非侵入式步態(tài)識別，非常具有挑戰(zhàn)性。這是因為區(qū)別人與人之間的微妙差異極其難以經由人為界定。這就是為什么我們必須開發(fā)出新型的AI系統(tǒng)，從全新的角度來解決這項挑戰(zhàn)。”

相較于機場安檢所采用的拍攝或掃描方式，使用腳步識別的主要優(yōu)點之一在于，整個監(jiān)測過程對于個人來說是非侵入式的，而且它對于周遭的嘈雜環(huán)境情況也具有適應性。同時，當踩踏在壓力墊進行監(jiān)測時，人們甚至不需要脫去鞋子，因為該系統(tǒng)依賴的并不是基于腳印的形狀，而是基于其走路的步態(tài)。

該技術的其他應用還包括能夠識別神經退化的智能足跡(smart step)，它將會對醫(yī)療保健領域帶來正面的影響。同時，這也是Costilla-Reyes打算透過腳步識別推動其研究進展的另一個領域。

他補充說：“這項研究也正在進展中，透過來自部署于智慧住宅中廣大樓面的傳感器所擷取之原始腳步資料，可望解決標識認知衰退和精神疾病發(fā)作的醫(yī)療保健問題。人類的動作可能成為認知衰退的另一種新型生物標識，并經由新型AI系統(tǒng)進行所未有的探索。”