Ερευνητές του University of Manchester, σε συνεργασία με επιστήμονες του Universidad Autonoma de Madrid, ανέπτυξαν ένα βιομετρικό σύστημα τεχνητής νοημοσύνης που μπορεί να αναγνωρίζει ένα άτομο από τα βήματα και τον τρόπο περπατήματός του:
Ειδικότερα, μπορεί να αναγνωρίσει το άτομο απλά από τη στιγμή που αυτός πατά ένα ειδικό «πλακάκι» πίεσης στο πάτωμα, αναλύοντας 3D και χρονικά δεδομένα.
Τα αποτελέσματα της έρευνας δημοσιεύτηκαν στο IEEE Transactions on Pattern Analysis and Machine Intelligence (TΡAMI) νωρίτερα μέσα στο έτος και υποδεικνύουν πως, κατά μέσο όρο, το συγκεκριμένο σύστημα ήταν σε θέση να ταυτοποιεί επιτυχώς σχεδόν στο 100% των περιπτώσεων, με ποσοστό λάθους μόλις 0,7%.
Επί της παρούσης στον χώρο των βιομετρικών συστημάτων ασφαλείας κυριαρχούν τα δακτυλικά αποτυπώματα, η αναγνώριση προσώπου και η σάρωση ματιού. Ωστόσο, τα αποκαλούμενα «συμπεριφορικά» βιομετρικά, όπως η αναγνώριση βαδίσματος, είναι και αυτά σε θέση να εντοπίζουν μοναδικές «υπογραφές», όπως αυτές προκύπτουν από τη συμπεριφορά και την κίνηση ενός ατόμου. Η ομάδα των ερευνητών δοκίμασε τα δεδομένα αυτά χρησιμοποιώντας έναν μεγάλο αριθμό από αποκαλούμενους «εξαπατητές», και έναν μικρό αριθμό χρηστών σε τρία διαφορετικά σενάρια πραγματικού κόσμου, σε σημεία ελέγχου αεροδρομίων, σε χώρους εργασίας και σε οικιακό περιβάλλον.
«Ο κάθε άνθρωπος έχει περίπου 24 διαφορετικούς παράγοντες και κινήσεις ενώ περπατά, με αποτέλεσμα κάθε άτομο να έχει έναν μοναδικό τρόπο βαδίσματος. Οπότε η παρακολούθηση αυτών των κινήσεων μπορεί να χρησιμοποιηθεί σαν δακτυλικό αποτύπωμα ή σάρωση αμφιβληστροειδούς, για την αναγνώριση και την ταυτοποίηση ενός ατόμου» λέει ο Ομάρ Κοστίγια Ρέγιες, της Σχολής Ηλεκτρολόγων/ Ηλεκτρονικών Μηχανικών του University of Manchester, που ηγήθηκε της έρευνας.
Για τους σκοπούς του συγκεκριμένου συστήματος τεχνητής νοημοσύνης, οι ερευνητές δημιούργησαν τη μεγαλύτερη βάση δεδομένων με βαδίσματα στην ιστορία, με περίπου 20.000 «σήματα» βαδίσματος από 127 άτομα. Για τη συγκέντρωση αυτών των δεδομένων, η ομάδα χρησιμοποίησε αισθητήρες πατώματος και κάμερες υψηλής ανάλυσης. Ήταν αυτό το dataset (SfootBD), που χρησιμοποιήθηκε από τον Κοστίγια Ρέγιες για την ανάπτυξη των προηγμένων υπολογιστών μοντέλων που χρειάζονταν για την αυτόματη βιομετρική ταυτοποίηση βαδίσματος που παρουσιάστηκε στο ΤΡΑΜΙ.
Όπως υπογραμμίζουν οι ερευνητές, τα πλεονεκτήματα της τεχνολογίας αυτής είναι ότι δεν είναι παρεμβατική (δεν χρειάζεται καν ο περαστικός να βγάλει τα παπούτσια του), ενώ θα μπορούσε να προσαρμοστεί για να εντοπίζει άτομα με νευρολογικά προβλήματα, έτσι ώστε να είναι κατάλληλο και για χρήση στον τομέα της υγείας.
* Οι απόψεις του ιστολογίου μπορεί να μη συμπίπτουν με τις απόψεις του/της αρθρογράφου ή τα περιεχόμενα του άρθρου.
Ειδικότερα, μπορεί να αναγνωρίσει το άτομο απλά από τη στιγμή που αυτός πατά ένα ειδικό «πλακάκι» πίεσης στο πάτωμα, αναλύοντας 3D και χρονικά δεδομένα.
Τα αποτελέσματα της έρευνας δημοσιεύτηκαν στο IEEE Transactions on Pattern Analysis and Machine Intelligence (TΡAMI) νωρίτερα μέσα στο έτος και υποδεικνύουν πως, κατά μέσο όρο, το συγκεκριμένο σύστημα ήταν σε θέση να ταυτοποιεί επιτυχώς σχεδόν στο 100% των περιπτώσεων, με ποσοστό λάθους μόλις 0,7%.
Επί της παρούσης στον χώρο των βιομετρικών συστημάτων ασφαλείας κυριαρχούν τα δακτυλικά αποτυπώματα, η αναγνώριση προσώπου και η σάρωση ματιού. Ωστόσο, τα αποκαλούμενα «συμπεριφορικά» βιομετρικά, όπως η αναγνώριση βαδίσματος, είναι και αυτά σε θέση να εντοπίζουν μοναδικές «υπογραφές», όπως αυτές προκύπτουν από τη συμπεριφορά και την κίνηση ενός ατόμου. Η ομάδα των ερευνητών δοκίμασε τα δεδομένα αυτά χρησιμοποιώντας έναν μεγάλο αριθμό από αποκαλούμενους «εξαπατητές», και έναν μικρό αριθμό χρηστών σε τρία διαφορετικά σενάρια πραγματικού κόσμου, σε σημεία ελέγχου αεροδρομίων, σε χώρους εργασίας και σε οικιακό περιβάλλον.
«Ο κάθε άνθρωπος έχει περίπου 24 διαφορετικούς παράγοντες και κινήσεις ενώ περπατά, με αποτέλεσμα κάθε άτομο να έχει έναν μοναδικό τρόπο βαδίσματος. Οπότε η παρακολούθηση αυτών των κινήσεων μπορεί να χρησιμοποιηθεί σαν δακτυλικό αποτύπωμα ή σάρωση αμφιβληστροειδούς, για την αναγνώριση και την ταυτοποίηση ενός ατόμου» λέει ο Ομάρ Κοστίγια Ρέγιες, της Σχολής Ηλεκτρολόγων/ Ηλεκτρονικών Μηχανικών του University of Manchester, που ηγήθηκε της έρευνας.
Για τους σκοπούς του συγκεκριμένου συστήματος τεχνητής νοημοσύνης, οι ερευνητές δημιούργησαν τη μεγαλύτερη βάση δεδομένων με βαδίσματα στην ιστορία, με περίπου 20.000 «σήματα» βαδίσματος από 127 άτομα. Για τη συγκέντρωση αυτών των δεδομένων, η ομάδα χρησιμοποίησε αισθητήρες πατώματος και κάμερες υψηλής ανάλυσης. Ήταν αυτό το dataset (SfootBD), που χρησιμοποιήθηκε από τον Κοστίγια Ρέγιες για την ανάπτυξη των προηγμένων υπολογιστών μοντέλων που χρειάζονταν για την αυτόματη βιομετρική ταυτοποίηση βαδίσματος που παρουσιάστηκε στο ΤΡΑΜΙ.
Όπως υπογραμμίζουν οι ερευνητές, τα πλεονεκτήματα της τεχνολογίας αυτής είναι ότι δεν είναι παρεμβατική (δεν χρειάζεται καν ο περαστικός να βγάλει τα παπούτσια του), ενώ θα μπορούσε να προσαρμοστεί για να εντοπίζει άτομα με νευρολογικά προβλήματα, έτσι ώστε να είναι κατάλληλο και για χρήση στον τομέα της υγείας.
* Οι απόψεις του ιστολογίου μπορεί να μη συμπίπτουν με τις απόψεις του/της αρθρογράφου ή τα περιεχόμενα του άρθρου.
0 Σχόλια