[论文解读] Cyber-Forensic Review of Human Footprint and Gait for Personal Identification

Kapil Kumar Nagwanshi|arXiv (Cornell University)|Apr 20, 2022

Biometric Identification and Security被引用 6

一句话总结

本文提出将人类足迹与步态分析作为鲁棒的生物特征识别方法，利用形态学特征和隐马尔可夫模型（HMM）进行足迹识别。研究结果表明，基于足迹的系统在准确性和可扩展性方面优于基于步态的方法，采用主成分分析（PCA）特征提取时AUC达到94.67%，因此推荐在高安全性和网络法医学应用中采用足迹生物特征识别，因其相较于传统方法具有法律和实际优势。

ABSTRACT

The human footprint is having a unique set of ridges unmatched by any other human being, and therefore it can be used in different identity documents for example birth certificate, Indian biometric identification system AADHAR card, driving license, PAN card, and passport. There are many instances of the crime scene where an accused must walk around and left the footwear impressions as well as barefoot prints and therefore, it is very crucial to recovering the footprints from identifying the criminals. Footprint-based biometric is a considerably newer technique for personal identification. Fingerprints, retina, iris and face recognition are the methods most useful for attendance record of the person. This time the world is facing the problem of global terrorism. It is challenging to identify the terrorist because they are living as regular as the citizens do. Their soft target includes the industries of special interests such as defence, silicon and nanotechnology chip manufacturing units, pharmacy sectors. They pretend themselves as religious persons, so temples and other holy places, even in markets is in their targets. These are the places where one can obtain their footprints quickly. The gait itself is sufficient to predict the behaviour of the suspects. The present research is driven to identify the usefulness of footprint and gait as an alternative to personal identification.

研究动机与目标

• 研究在安全与法医学背景下，人类足迹与步态作为生物特征用于个人识别的可行性。
• 解决传统基于令牌和知识的认证系统存在的伪造和不可否认性问题。
• 评估多种机器学习与信号处理技术在足迹与步态识别中的性能表现。
• 确立基于足迹的生物特征在国家身份系统与网络法医学调查中的法律与实际可行性。
• 发布一个多光谱人类足迹数据集，以支持未来生物特征算法开发的基准测试。

提出的方法

• 足迹识别采用从赤足印迹中提取的形态学与统计特征，结合主成分分析（PCA）、小波变换和神经网络进行处理。
• 基于步态的识别通过视频捕捉运动模式，利用隐马尔可夫模型（HMM）对行走过程的时序动态进行建模。
• 构建全面的评估框架，对比多种技术，包括模糊逻辑、改进的序列哈尔能量变换以及人工神经网络（ANN），以AUC为主要性能指标。
• 整合多模态生物特征方法，结合足迹与步态特征以提升识别可靠性。
• 发布一个公开的多光谱人类足迹数据集，以支持在MATLAB、Weka和AzureML等平台上的可重复研究与算法验证。
• 性能通过受试者工作特征（ROC）曲线下面积（AUC）进行量化，计算公式为 ∫₀¹ TPR(x)dx，其中 x ~ U[0,1] 表示假正例率。

实验结果

研究问题

• RQ1 在真实世界的安全应用中，基于足迹的生物特征识别是否能够实现比基于步态或传统生物特征系统更高的准确率与可扩展性？
• RQ2 在足迹识别中，不同特征提取与分类技术（如PCA、HMM、ANN和模糊逻辑）的AUC性能表现如何比较？
• RQ3 增加受试者数量在多大程度上影响基于足迹与步态的识别系统性能？
• RQ4 在网络安全取证调查与国家身份系统中，人类足迹证据的法律与法医学价值如何？
• RQ5 公开的多光谱足迹数据集在实现可靠基准测试与推动生物特征算法发展方面是否具有可行性？

主要发现

• 基于足迹的生物特征识别系统在采用PCA特征提取时，AUC达到94.67%，优于其他方法（如ANN的89.52%、模糊逻辑的83.86%、HMM的83.38%）。
• 基于步态的识别在受试者数量增加时性能显著下降，因此在大规模个人识别中适用性较低，尽管其在医疗与行为分析领域具有潜力。
• 基于足迹的识别对每位个体所需样本更少，且能保持高准确率，因此特别适合机场、国防设施等高安全区域。
• 人类足迹具有显著的个体差异性与法律认可潜力，与指纹相当，建议在国家身份系统与法医学系统中推广应用。
• 本研究证实，足迹的形态学与统计特征具有高度判别力，支持其在多模态生物特征系统中的应用。
• 公开发布多光谱人类足迹数据集，使得在多种研究平台上的可重复评估与生物特征算法发展成为可能。