Loopherkenning: AI kan je herkennen op basis van hoe je loopt

BEELDKREDIET:
Image credit
iStock

Loopherkenning: AI kan je herkennen op basis van hoe je loopt

GEBOUWD VOOR DE FUTURIST VAN MORGEN

Het Quantumrun Trends Platform geeft u de inzichten, tools en community om toekomstige trends te verkennen en ervan te profiteren.

SPECIALE AANBIEDING

$ 5 PER MAAND

Loopherkenning: AI kan je herkennen op basis van hoe je loopt

Onderkoptekst
Loopherkenning wordt ontwikkeld om extra biometrische beveiliging te bieden voor persoonlijke apparaten.
    • Auteur:
    • auteursnaam
      Quantumrun-prognose
    • 1 februari 2023

    Zelfs de manier waarop mensen lopen kan worden gebruikt om ze te identificeren, zoals een vingerafdruk. Het looppatroon van een persoon heeft een unieke signatuur die machine learning-algoritmen kunnen analyseren om een ​​persoon te herkennen aan een afbeelding of video, zelfs als hun gezicht niet in beeld is.

    Context van loopherkenning

    Het meest voorkomende type looponderzoek is de verwerking van temporele patronen en kinematica (de studie van beweging). Een voorbeeld is kniekinematica op basis van verschillende markeersets op het scheenbeen (een beenbot), berekend door segmentale optimalisatie (SO) en multi-body optimalisatie (MBO) algoritmen. Sensoren zoals radiofrequentie (RFS) worden ook gebruikt, die buigen of buigen meten. RFS kan met name in schoenen worden geplaatst en communicatiegegevens kunnen via Wi-Fi naar een computer worden gestuurd om dansbewegingen te detecteren. Deze sensoren kunnen de bovenste en onderste ledematen, het hoofd en de romp volgen.

    Moderne mobiele telefoons zijn uitgerust met verschillende sensoren, zoals versnellingsmeters, magnetometers, inclinometers en thermometers. Met deze functies kan de telefoon ouderen of gehandicapten volgen. Bovendien kunnen mobiele telefoons handbewegingen tijdens het schrijven en onderwerpherkenning identificeren met behulp van loopbewegingen. Verschillende apps helpen ook bij het monitoren van fysieke bewegingen. 

    Een voorbeeld is Physics Toolbox, een open-source app op Android. Met dit programma hebben gebruikers toegang tot verschillende sensoren, waaronder een lineaire versnellingsmeter, magnetometer, inclinometer, gyroscoop, GPS en toongenerator. De verzamelde gegevens kunnen worden weergegeven en opgeslagen als een CSV-bestand op de telefoon voordat ze naar Google Drive (of een andere cloudservice) worden verzonden. De functies van de app kunnen meer dan één sensor selecteren om tegelijkertijd verschillende datapunten te verzamelen, wat resulteert in zeer nauwkeurige tracking.

    Disruptieve impact

    Loopherkenningstechnologie creëert een identificatie door iemands silhouet, lengte, snelheid en loopkenmerken te matchen met informatie in een database. In 2019 financierde het Amerikaanse Pentagon de ontwikkeling van smartphonetechnologie om gebruikers te identificeren op basis van hun wandeling. Deze technologie werd op grote schaal verspreid door smartphonefabrikanten, met behulp van sensoren die al in de telefoons zaten. Deze functie zorgt ervoor dat alleen de beoogde gebruiker of eigenaar de telefoon kan gebruiken.

    Volgens een studie uit 2022 in het tijdschrift Computers & Security is de manier van lopen van elke persoon uniek en kan deze worden gebruikt voor gebruikersidentificatie. Het doel van loopherkenning is om gebruikers te authenticeren zonder een expliciete actie, aangezien gerelateerde gegevens continu worden geregistreerd terwijl de persoon loopt. Daarom kan transparante en continue smartphonebescherming worden geboden met behulp van op gang gebaseerde authenticatie, vooral wanneer deze wordt gebruikt met andere biometrische identificatiemiddelen.

    Naast identificatie kunnen zorgverleners loopherkenning gebruiken om hun patiënten op afstand te monitoren. Een houdingsanalysesysteem kan helpen bij het diagnosticeren en voorkomen van verschillende tekortkomingen, zoals kyfose, scoliose en hyperlordose. Dit systeem kan thuis of buiten medische klinieken worden gebruikt. 

    Zoals bij alle herkenningssystemen, zijn er zorgen over de privacy van gegevens, met name biometrische informatie. Sommige critici wijzen erop dat smartphones in de eerste plaats al te veel gegevens van gebruikers verzamelen. Het toevoegen van nog meer biometrische gegevens kan ertoe leiden dat mensen hun anonimiteit volledig verliezen en dat overheden de informatie gebruiken voor publiek toezicht.

    Implicaties van loopherkenning

    Bredere implicaties van loopherkenning kunnen zijn: 

    • Zorgverleners die wearables gebruiken om de bewegingen van patiënten te volgen, wat nuttig kan zijn voor fysieke therapieën en revalidatieprogramma's.
    • Sensoren die worden gebruikt voor hulpmiddelen voor ouderen die bewegingen kunnen volgen, waaronder het waarschuwen van nabijgelegen ziekenhuizen voor ongevallen.
    • Gangherkenning wordt gebruikt als aanvullend biometrisch identificatiesysteem in kantoren en agentschappen.
    • Slimme apparaten en wearables die automatisch persoonlijke informatie verwijderen wanneer ze merken dat hun eigenaren ze gedurende een bepaalde periode niet meer dragen.
    • Incidenten waarbij mensen ten onrechte werden gearresteerd of ondervraagd met behulp van loopherkenningsbewijs.

    Vragen om op te reageren

    • Hoe denk je anders dat bedrijven loopherkenningstechnologieën zullen gebruiken?
    • Wat zijn de potentiële uitdagingen van het gebruik van gang als identificatiemiddel?

    Insight-referenties

    Voor dit inzicht werd verwezen naar de volgende populaire en institutionele links: