PURE：基于深度步态分离与识别的无源多人身份识别
计算机视觉与模式识别
2021-04-16 v1 人工智能
摘要
近年来，无源行为生物特征（如手势或脚步）在特殊场景下已成为传统用户识别方法（如人脸或指纹）极具前景的补充，然而现有传感技术需要较长的测量轨迹且无法同时识别多个用户。为此，我们提出 \systemname\ 作为一种利用深度学习赋能的步态分离与识别的无源多人识别系统。\systemname\ 通过解析脚步中独特的“足迹”来无源识别用户。与现有基于步态的识别系统需获取大量脚步从而产生较长感知延迟不同，\systemname\ 仅需极少至一步即可识别个人，大幅降低了识别延迟。为使 \systemname\ 适应步速变化、环境动态甚至未知目标，我们采用对抗学习技术提升其域泛化性与识别准确率。最后，借助脚步的丰富性与空间感知能力，\systemname\ 可抵御重放攻击。我们使用商用硬件实现了 \systemname\ 原型，并在典型室内场景中评估。评估结果表明跨域识别准确率超过 90%。
引用
@article{arxiv.2104.07177,
title = {PURE: Passive mUlti-peRson idEntification via Deep Footstep Separation and Recognition},
author = {Chao Cai and Ruinan Jin and Peng Wang and Liyuan Ye and Hongbo Jiang and Jun Luo},
journal= {arXiv preprint arXiv:2104.07177},
year = {2021}
}