你可能听说过指纹扫描，虹膜扫描，甚至眼睛凝视扫描，但是基于脚步的生物特征识别你听说过吗？最近在Arxiv.org上发布的研究报告，人工智能可以仅通过人类的足迹就能识别出个人。

德里印度理工学院的研究人员在一篇名为“利用由脚步产生的地震信号进行身份识别”的论文中描述了这个系统。它是基于雾计算架构（fog computing architecture）所搭建的，该架构采用边缘设备来执行大部分计算、存储和通数据收集任务。这个团队通过最小化带宽和能耗来降低成本。

“用我们的方法，个人只需要穿过传感器的活动区域即可”。他们表示：“人类识别系统在各个领域都有着重要的应用。”

该系统由三层组成：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（嵌入式处理器与收发器配对）；以及云（服务器）。在这个架构实例中，物件层包括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）以及远程收发器模块，它能自动提取表示脚步的地面震动信号的部分并压缩。然后通过ZigBee将数据发送到雾层。雾层-Raspberry Pi 3 model B-接收数据信号并解压它，从中提取重要特征，进行分类，通过以太网或Wi-Fi将分类后的信号传递到云上，最后，云端进行处理。

为了训练能够区分步伐（其他物体与人）的机器学习模型，研究人员除了收集步伐的长度和节奏（两个连续步伐之间的间隙）之外，还收集了步伐的时间和频率。在一个月的时间里，他们使用地震检波器从8个赤脚测试参与者那里收集了大约46000个足迹事件，这是该类型研究测试中最大的数据库。

他们认为，在现实世界中，通过将“监控区域”（如学院或工厂）划分为“区块”（工厂楼层、部门）和子区块（房间、医院病房），可以最好的完成收据收集工作。

在模型训练过程中，研究小组发现，每次训练大约需要875个脚步——约8分钟的步行——才能达到超过85%的精确度，但是最终他们的结果超过了基线。在测试期间，性能最好的人工智能系统将个人与他或她的足迹相匹配，92.29%的时间是从7个连续的足迹开始的。

该系统的一个明显的缺点是它不能同时识别多个人——两个或两个以上会产生系统混淆。研究人员把这个工作留给了未来，但是相信当前的迭代可以可靠地用于登记教室或车间的出勤率，检测入室者以及控制家用电器。

该团队表示:“这种生物测量系统的主要优点是，地震传感器可以很容易地伪装；逃避检测是不可能的，因为脚步模式是不可模仿的；它不会破坏个人的隐私；同时它对环境参数要求也不太敏感”。