GaitFi: वाईफाई और विजन मल्टीमॉडल लर्निंग के साथ मजबूत डिवाइसलेस व्यक्ति की पहचान
विभिन्न व्यक्ति की पहचान तकनीक, जैसे फ़िंगरप्रिंट पहचान और चेहरे की पहचान, हाल ही में बनाए गए थे। हालांकि, इसमें सीमित फिंगरप्रिंट डिटेक्शन रेंज जैसी कमियां हैं। वास्तव में, चाल ही एकमात्र बायोमार्कर है जिसे मानव सहयोग के बिना दूर से ही पहचाना जा सकता है।
arXiv.org पर एक हालिया पेपर में चाल पहचान विधियों का उपयोग करके एक मल्टीमॉडल डिवाइस-मुक्त मानव पहचान प्रणाली का प्रस्ताव है। यह वाणिज्यिक वाईफाई-सक्षम इंटरनेट ऑफ थिंग्स उपकरणों और कैमरों के आधार पर मानव पहचान को पहचान सकता है।
सिस्टम में वाईफाई और वीडियो के लिए दो-स्ट्रीम नेटवर्क और मानव चाल पहचान के लिए एक मल्टीमॉडल फ्यूजन मॉड्यूल शामिल है। व्यावहारिक प्रयोगों से पता चलता है कि प्रस्तावित दृष्टिकोण एकल वाईफाई या कैमरों के आधार पर अत्याधुनिक चाल पहचान विधियों से बेहतर प्रदर्शन करता है।
मानव पहचान के लिए एक महत्वपूर्ण बायोमार्कर के रूप में, मानव चाल को विषय के सहयोग के बिना निष्क्रिय सेंसर द्वारा दूरी पर एकत्र किया जा सकता है और अपराध की रोकथाम, सुरक्षा का पता लगाने और अन्य मानव पहचान अनुप्रयोगों में महत्वपूर्ण भूमिका निभाता है। वर्तमान में, अधिकांश शोध चाल पहचान करने के लिए कैमरा और कंप्यूटर विज़न तकनीकों पर आधारित है। हालांकि, खराब रोशनी के तहत दृष्टि-आधारित विधियां अविश्वसनीय हैं, जिससे खराब प्रदर्शन होता है। इस पत्र में, हम एक नई मल्टीमॉडल चाल पहचान पद्धति, GaitFi का प्रस्ताव करते हैं, जो मानव पहचान के लिए वाईफाई सिग्नल और वीडियो का लाभ उठाती है। GaitFi चैनल स्टेट इंफॉर्मेशन (CSI) एकत्र करके मानव चाल को पकड़ता है, जो वाईफाई मल्टीपाथ प्रसार को दर्शाता है, और वीडियो को कैमरे द्वारा कैप्चर किया जाता है। मजबूत चाल की जानकारी सीखने के लिए, हम एक बैकबोन नेटवर्क के रूप में एक लाइटवेट रेसिडुअल कनवल्शन नेटवर्क (LRCN) का प्रस्ताव करते हैं और आगे गैट सर्च कार्य के लिए वाईफाई और विज़न फ़ंक्शंस को एकीकृत करके दो-स्ट्रीम GaitFi का प्रस्ताव करते हैं। GaitFi को सुविधाओं के विभिन्न स्तरों पर ट्रिपल लॉस और क्लासिफिकेशन लॉस के साथ प्रशिक्षित किया जाता है। व्यापक वास्तविक-विश्व प्रयोगों से पता चलता है कि GaitFi एकल WiFi या कैमरा-आधारित अत्याधुनिक चाल पहचान विधियों से बेहतर प्रदर्शन करता है, 12 विषयों के लिए व्यक्ति पहचान कार्य पर 94.2% प्राप्त करता है। मैं यहाँ हूँ।
शोध पत्र: देंग, एल., यांग, जे., युआन, एस., ज़ू, एच., ज़िआओक्सुआन लू, सी., और ज़ी, एल., “गैटफ़ी: वाईफाई और विजन मल्टीमॉडल लर्निंग के साथ मजबूत डिवाइस-मुक्त व्यक्ति पहचान”, 2022 . संपर्क: https://arxiv.org/abs/2208.14326
