論文の概要: Continual Person Identification using Footstep-Induced Floor Vibrations on Heterogeneous Floor Structures
- arxiv url: http://arxiv.org/abs/2502.15632v1
- Date: Fri, 21 Feb 2025 18:00:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-24 16:09:23.426114
- Title: Continual Person Identification using Footstep-Induced Floor Vibrations on Heterogeneous Floor Structures
- Title（参考訳）: 不均質な床構造における足音による床振動を用いた連続的人物識別
- Authors: Yiwen Dong, Hae Young Noh,
- Abstract要約: 個人識別は、健康モニタリング、活動追跡、人事管理といったパーソナライズされたサービスを提供するスマートな建物にとって重要である。
既存の研究では、この目標を達成するためにカメラを使用しているが、直接視線を必要とする。
ウェアラブルや圧力マットなどの他のモダリティは、デバイスキャリーや密集配置の要件によって制限される。
正確なオンライン人物識別のための足音による構造振動データの変動特性を特徴付ける。
- 参考スコア（独自算出の注目度）: 3.0548660482403123
- License:
- Abstract: Person identification is important for smart buildings to provide personalized services such as health monitoring, activity tracking, and personnel management. However, previous person identification relies on pre-collected data from everyone, which is impractical in many buildings and public facilities in which visitors are typically expected. This calls for a continual person identification system that gradually learns people's identities on the fly. Existing studies use cameras to achieve this goal, but they require direct line-of-sight and also have raised privacy concerns in public. Other modalities such as wearables and pressure mats are limited by the requirement of device-carrying or dense deployment. Thus, prior studies introduced footstep-induced structural vibration sensing, which is non-intrusive and perceived as more privacy-friendly. However, this approach has a significant challenge: the high variability of vibration data due to structural heterogeneity and human gait variations, which makes online person identification algorithms perform poorly. In this paper, we characterize the variability in footstep-induced structural vibration data for accurate online person identification. To achieve this, we quantify and decompose different sources of variability and then design a feature transformation function to reduce the variability within each person's data to make different people's data more separable. We evaluate our approach through field experiments with 20 people. The results show a 70% variability reduction and a 90% accuracy for online person identification.
- Abstract（参考訳）: 個人識別は、健康モニタリング、活動追跡、人事管理といったパーソナライズされたサービスを提供するスマートな建物にとって重要である。
しかし、従来の人物識別は、訪問者が予想される多くの建物や公共施設では非現実的な、全員の事前収集データに頼っている。
これは、人の身元を徐々に学習する連続的な人物識別システムである。
既存の研究では、この目標を達成するためにカメラを使用しているが、直接視線を必要とする。
ウェアラブルや圧力マットなどの他のモダリティは、デバイスキャリーや密集配置の要件によって制限される。
このように、以前の研究では、足音による構造振動の検知が導入されており、これは非侵襲的であり、よりプライバシーに優しいと認識されていた。
しかし、この手法には、構造的不均一性による振動データの高変動と、人の歩行の変動により、オンライン人物識別アルゴリズムの性能が低下する、という大きな課題がある。
本稿では,フットステップによるオンライン人物識別のための構造振動データの変動特性を特徴付ける。
これを実現するために、異なる変数のソースを定量化し分解し、各人のデータ内の変動を減らし、異なる人のデータをより分離できるように特徴変換関数を設計する。
20名を対象にフィールド実験を行った。
その結果,オンライン人物識別には70%のばらつきと90%の精度が得られた。
関連論文リスト
- Identifying Privacy Personas [27.301741710016223]
プライバシ・ペルソナは、自身の知識、行動パターン、自己効力度レベル、プライバシ保護の重要性に対する認識に関して、ユーザセグメントの違いを捉えている。
文学では様々なプライバシ・ペルソナが派生しているが、重要な属性の観点から異なる人物をまとめている。
本研究では,対話型教育アンケートに対する質的,定量的な回答分析を組み合わせることで導出する8つのペルソナを提案する。
論文 参考訳（メタデータ） (2024-10-17T20:49:46Z) - Privacy in Multimodal Federated Human Activity Recognition [8.301708819864974]
本研究は, ユーザ, 環境, センサレベルでのHAR(Federated Human Activity Recognition)におけるプライバシの影響について検討する。
HARにおけるFLの性能は、FLシステムのプライバシレベルに依存していることを示す。
本研究では,HARにおける受動的センシング手法の倫理的活用には,このようなプライバシが不可欠であるため,クライアントが一般FLモデルとグループレベルのモデルの両方をモダリティ毎に相互に訓練するシステムを実装する。
論文 参考訳（メタデータ） (2023-05-20T07:57:47Z) - Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。
マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。
ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文 参考訳（メタデータ） (2023-04-04T07:24:51Z) - Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。
本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。
提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文 参考訳（メタデータ） (2023-03-23T13:50:46Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳（メタデータ） (2022-11-18T11:39:03Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。
以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文 参考訳（メタデータ） (2022-01-13T06:30:56Z) - Robustness Threats of Differential Privacy [70.818129585404]
我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。
本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
論文 参考訳（メタデータ） (2020-12-14T18:59:24Z) - Differential Privacy of Hierarchical Census Data: An Optimization
Approach [53.29035917495491]
国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。
最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。
本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
論文 参考訳（メタデータ） (2020-06-28T18:19:55Z) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳（メタデータ） (2020-06-10T14:30:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。