[논문 리뷰] Person Identification using Seismic Signals generated from Footfalls

Bodhibrata Mukhopadhyay, Sahil Anchal외 1명|arXiv (Cornell University)|2018. 09. 24.

Gait Recognition and Analysis참고 문헌 3인용 수 3

한 줄 요약

이 논문은 발자국의 지진파 신호를 이용한 안전한 개인 신원 확인 시스템을 제안하며, 기존의 기초 추적 기반 압축 기법(DS8BP)을 활용하여 8 kHz 신호를 108배로 압축하면서 분류 정확도를 향상시킨다. 8인의 대상자로 구성된 46,000건의 이벤트 데이터셋에서 각각 5회, 10회의 발자국을 사용할 경우 시스템은 90% 및 95%의 신원 확인 정확도를 달성하여, 개인정보 보호 기능을 갖춘 접근 제어 시스템으로서의 높은 실현 가능성을 입증한다.

ABSTRACT

Footfall based biometric system is perhaps the only person identification technique which does not hinder the natural movement of an individual. This is a clear edge over all other biometric systems which require a formidable amount of human intervention and encroach upon an individual's privacy to some extent or the other. This paper presents a Fog computing architecture for implementing footfall based biometric system using widespread geographically distributed geophones (vibration sensor). Results were stored in an Internet of Things (IoT) cloud. We have tested our biometric system on an indigenous database (created by us) containing 46000 footfall events from 8 individuals and achieved an accuracy of 73%, 90% and 95% in case of 1, 5 and 10 footsteps per sample. We also proposed a basis pursuit based data compression technique DS8BP for wireless transmission of footfall events to the Fog. DS8BP compresses the original footfall events (sampled at 8 kHz) by a factor of 108 and also acts as a smoothing filter. These experimental results depict the high viability of our technique in the realm of person identification and access control systems.

연구 동기 및 목표

• 발자국에서 발생하는 지진파를 이용한 개인정보 보호 기능이 있는 비침습적 개인 신원 확인 시스템을 개발한다.
• 원시 지진파 신호의 무선 전송에서 대역폭과 에너지 소비를 줄이기 위해 효율적인 압축 기법을 개발한다.
• 센서 근처에서 실시간 처리가 가능한 Fog 컴퓨팅 아키텍처를 구현한다.
• 각각의 샘플당 발자국 수, 샘플링 주파수, 분류기 선택이 신원 확인 정확도에 미치는 영향을 평가한다.
• 분류 성능을 유지하면서도 안전하고 노이즈 제거 기능이 있는 압축 기법을 설계한다.

제안 방법

• 8 kHz 샘플링 주파수로 발자국의 지진파 신호를 캡처하기 위해 지질학적 마이크로폰(진동 센서) 네트워크를 구축하였다.
• DS8BP—학습된 가보 딕셔너리를 사용하여 발자국 신호를 적은 수의 기저 함수로 표현하는 기초 추적 기반의 압축 기법을 제안하였다.
• 신호 무결성을 확보하기 위해 압축 임계값(L_GC 및 H_GC)을 설정하여 압축 품질이 낮거나 과도한 신호를 제거하였다.
• 압축 및 복원된 신호를 대상으로 SVM-RBF, SVM-Lin, 로지스틱 회귀를 사용하여 성능을 평가하기 위해 분류기를 적용하였다.
• 데이터 저장을 위해 IoT 클라우드와 시스템을 통합하였으며, 무선 전송을 위해 80 kbps 속도로 XBee 868LR를 사용하였다.
• 이벤트 탐지 및 신호 복원을 위해 희소 코딩을 활용한 알고리즘을 적용하여 압축 측정치에서 원래 신호를 재구성하였다.

실험 결과

연구 질문

• RQ1 계산 부담을 최소화하면서도 정점 확인 정확도를 극대화하기 위해 각 샘플당 최적의 발자국 수는 얼마인가?
• RQ2 8 kHz에서 500 Hz로의 다운샘플링은 분류 정확도와 특징 추출 시간에 어떤 영향을 미치는가?
• RQ3 기초 추적 기반의 압축 방법(DS8BP)은 높은 압축 비율을 달성하면서도 분류에 적합한 신호 품질을 유지할 수 있는가?
• RQ4 DS8BP는 전통적인 다운샘플링 기법(DS16)과 비교해 볼 때 압축 비율, 신호 복원 품질, 분류 정확도 측면에서 어떻게 다른가?
• RQ5 목표 분류 정확도를 달성하기 위해 개인당 최소 몇 건의 학습용 발자국이 필요한가?

주요 결과

• 46,000건의 이벤트 데이터셋에서 SVM-RBF를 사용하여 각각 5회, 10회의 발자국을 사용할 경우 시스템은 90% 및 95%의 신원 확인 정확도를 달성하였다.
• DS8BP는 원본 8 kHz 신호를 108.32배로 압축하여 전송 대역폭과 에너지 소비를 크게 줄였다.
• DS16 대비 DS8BP로 압축된 신호를 사용할 경우 분류기의 정확도가 2–4.3% 향상되었으며, 이는 DS8BP의 내재된 노이즈 제거 및 스무딩 효과 때문이었다.
• 500 Hz로 다운샘플링한 DS16는 분류 정확도에 영향을 주지 않았지만, 특징 추출 및 이벤트 탐지 시간을 단축시켰다.
• 압축된 발자국 이벤트 평균 길이는 18.51개 샘플이며, 평균 압축 비율은 1단계당 13.54배였다.
• DS8BP는 압축된 신호가 가보 딕셔너리(D)의 지식 없이 복호화될 수 없기 때문에 시스템의 보안성을 향상시켰다.