德里印度理工学院的研究职员揭橥了论文《利用足部产生的地震旗子暗记进行职员识别》，它基于雾打算架构，该架构采取边缘设备来实行大部分打算，存储和涉及数据网络的沟通。 （该团队指出，这可以通过最小化带宽和能源需求来降落本钱。）
“(通过我们的方法)，个人只须要通过传感器的活动区域。人类识别系统在各个领域都有主要的运用。”
系统由三部分组成：物体（传感器与低端处理器配对，嵌入式处理器与收发器配对）；雾（嵌入式处理器和收发器）；和云（做事器）。
物质层，在此履行中由Raspberry Pi Zero——地震检波器（将地面运动转换为电压的地面运动传感器）和远程收发器模块组成，自动提取代表人流量的地震旗子暗记部分并在将其通过 ZigBee 发送到雾层之前压缩它。雾层——一个Raspberry Pi 3模型B - 吸收足迹旗子暗记，解压缩它，从中提取主要特色，并在将旗子暗记通过以太网或Wi-Fi通报到云之前对旗子暗记进行分类。末了，云实行推理。
为了演习机器学习模型，使其能够区分不同的足迹（以及人），研究职员除了长度和节奏（两个连续的脚步之间的间隔）之外，还网络了脚步的韶光和频率。该团队声称，在一个月内，他们利用地震检波器从8名赤脚测试参与者那里网络了大约46,000个足迹——这是同类中最大的数据集。
他们认为，在现实天下中，最好将“监控区域”（如大学或工厂）划分为“区域”（工厂楼层、部门）和子区域（房间、医院病房）来完成数据网络。
在模型演习过程中，研究小组创造，每次大约须要875步——大约8分钟的步辇儿——才能达到85%以上的准确率，但他们的结果终极超过了基线。在测试过程中，表现最好的人工智能系统能达到 92.29%的准确率，而且是从7个连续的足迹中。
该系统的一个显著缺陷是无法同时识别两个或两个以上的人，这会使系统混乱。研究职员将这个问题留给了未来的事情，但相信当前的迭代，可以可靠地用于登记教室或车间出勤，检测入侵者，以及掌握家用电器。
论文中写道：“这种生物识别系统的紧张优点是，地震传感器可以很随意马虎地伪装起来；脚步模式是独一无二的，以是无法回避检测；不陵犯个人隐私；对环境参数不那么敏感，超出了个人解码和制造原始旗子暗记的能力。”
更多有趣科技文章，欢迎关注我们：
http://www.wttech.org/