相关实验视频
Updated: May 11, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
深度学习系统用于使用门把手上的传感器识别用户
Jesús Vegas1, A Ravishankar Rao2, César Llamas1
1Escuela de Ingeniería Informática, Universidad de Valladolid, Paseo de Belén 15, 47011 Valladolid, Spain.
Sensors (Basel, Switzerland)
|August 10, 2024
概括
这项研究引入了一种使用门交互的运动模式来控制门户访问的新方法. 深度学习准确地根据用户独特的运动活动识别用户,增强物理安全.
科学领域:
- 生物识别信息 生物识别信息
- 人与计算机的交互
- 安全系统安全系统
背景情况:
- 门口访问控制对于物理安全至关重要.
- 目前的系统通常依赖于传统的身份验证方法.
- 准确性和速度等性能指标对于访问控制系统至关重要.
研究的目的:
- 研究一种用于门门访问控制中的用户识别的新方法.
- 使用用户与门把手的交互模式进行身份验证.
- 将深度学习算法应用于用于行为生物识别的传感器数据.
主要方法:
- 使用嵌入式加速度计和陀螺仪传感器测量用户与门把手的互动.
- 应用基于深度学习的算法来分析收集的传感器数据.
- 评估不同用户群体和样本持续时间的识别准确性.
主要成果:
- 在47名参与者中,获得了90.2%的整体用户识别准确率.
- 用户识别的准确性达到97.0%的女性和89.8%的男性.
- 以0.5秒的短样本持续时间 (68.5%准确度) 证明识别用户的可行性.
结论:
- 通过运动活动模式识别用户是可行的访问控制.
- 这种方法提供了一种新的行为生物识别技术,用于增强身体安全.
- 该方法为传统的身份验证方法提供了替代方案.
