您现在的位置:首页 >> 农业机械厂家

CMU研究人员展示了使用雷达追踪隐私保护活动的潜力

2022-04-28 来源:张家界农业机械网

CMU研究人员展示了使用雷达追踪隐私保护活动的潜力

试想一下,如果您可以通过问您的智能音箱上次打扫房间的时间或垃圾箱是否已被取出来解决/重新引发家庭争执?

或者-对于一个更健康的用例-如果您在蹲坐和卧推时要求扬声器保持重复次数该怎么办?或切换到全功能的“私人教练”模式-当您在一辆尘土飞扬的旧运动自行车(需要Peloton!)上骑自行车时,可以发出更快的吠叫声。

而且,如果演讲者足够聪明,只知道您正在吃晚饭,并照顾了一点心情音乐,该怎么办?

现在想象一下,如果所有这些活动跟踪智能设备都处于活动状态,而没有将任何已连接的摄像头插入家中。

一个研究人员的迷人研究的卡内基·梅隆大学的反璞归真位未来的接口组开辟了这些各种各样的可能性-展示一个新的方法来跟踪活动不依赖于相机作为感测工具中国机械网okmao.com。

当然,在家里安装连接的摄像机会带来极大的隐私风险。这就是为什么CMU研究人员着手研究使用毫米波(mmWave)多普勒雷达作为检测不同类型人类活动的媒介的潜力的原因。

他们需要克服的挑战是,尽管毫米波提供了“接近麦克风和摄像头的信号丰富性”,正如他们所说的那样,但由于不易获得RF噪声,用于训练AI模型的数据集可以识别不同的人类活动(如视觉训练其他类型的AI模型的数据是)。

顺便说一下,他们开始着手多普勒数据的合成以提供人类活动跟踪模型-设计了一个用于训练隐私保护活动跟踪AI模型的软件管道。

可以在此视频中看到结果-在此视频中正确显示了模型,该模型可以识别许多不同的活动,包括骑自行车,拍手,挥手和下蹲。纯粹是由于其能够解释毫米波信号的能力而产生的,并且纯粹是经过了公共视频数据的训练。

他们写道:“我们通过一系列实验结果证明了这种跨域翻译如何能够成功完成。” “总的来说,我们认为我们的方法是朝着显着减轻诸如人类感测系统之类的培训负担的重要踏脚石,并且可以帮助引导人机交互中的使用。”

研究员克里斯·哈里森(Chris Harrison)证实,基于毫米波多普勒雷达的感应不适用于“非常细微的东西”(例如发现不同的面部表情)。但是他说,它足够灵敏,可以检测到不太剧烈的活动,例如吃饭或读书。

多普勒雷达的运动检测能力也受到对象和传感硬件之间的视线需求的限制。(又名:“它还不能到达拐角处。”对于那些担心未来机器人的人类探测能力的人来说,这肯定会让人感到放心。)

当然,检测确实需要特殊的传感硬件。但是事情已经朝着这个方向发展:例如,谷歌已经通过项目Soli投入了自己的脚步-例如,在Pixel 4上增加了雷达传感器。

Google的Nest Hub还集成了相同的雷达感应器来跟踪睡眠质量。

哈里斯告诉TechCrunch:“我们没有在电话中更多地采用雷达传感器的原因之一是缺乏引人注目的用例(有点像鸡和鸡蛋的问题),” “我们对基于雷达的活动检测的研究有助于打开更多的应用程序(例如,更聪明的Siris,他们知道您何时吃饭,做晚餐,打扫卫生或锻炼等)。”

当被问及他是否认为在移动或固定应用中潜力更大时,哈里斯认为这两种情况都有有趣的用例。

他说:“我看到了移动和非移动的用例。” “返回Nest Hub…传感器已经在房间里了,所以为什么不使用它来引导Google智能扬声器中的更多高级功能(例如代表您的运动计数)。

“建筑物中已经使用了许多雷达传感器来检测占用情况(例如,现在它们可以检测到上次打扫房间的时间)。”

“总的来说,这些传感器的成本很快就会降到几美元(在eBay上已经有些1美元左右了,因此您可以将它们包括在所有产品中,”他补充说。“而且,正如Google展示的是放在卧室的产品所展示的那样,'监视社会'所带来的威胁要比摄像机传感器所带来的烦恼要少得多。”

像VergeSense这样的初创公司已经在使用传感器硬件和计算机视觉技术来为b2b市场提供室内空间和活动的实时分析(例如,测量办公室占用率)。

但是,即使对低分辨率图像数据进行本地处理,使用视觉传感器(当然在消费者环境中)仍然可能会带来隐私风险的感知。

雷达提供了这种视觉监视的替代方法,它可能更适合于存在隐私风险的与消费者连接的设备,例如“智能镜”。

“如果在本地处理,您会在卧室里放一台照相机吗?浴室?也许我很谨慎,但我个人不会。”哈里斯说。

他还指出了较早的研究,他强调了合并更多类型的传感硬件的价值:“传感器越多,您可以支持的有趣应用程序的尾巴就越长。相机无法捕捉所有内容,也无法在黑暗中工作。”

“如今,相机非常便宜,即使雷达便宜一点,也很难在那竞争。我相信最大的优势就是隐私保护。”他补充说。

当然,任何视觉或其他方式的传感硬件都会引发潜在的隐私问题。

例如,取决于谁可以访问数据,一个可以告诉您孩子卧室何时被占用的传感器可能是好事,也可能是坏事。而且,各种人类活动都可以根据发生的事情生成敏感信息。(我的意思是,您是否真的想让聪明的说话者在做爱时知道?)

因此,尽管与其他类型的传感器相比,基于雷达的跟踪可能具有较小的侵入性,但这并不意味着根本就没有潜在的隐私问题。

与以往一样,这取决于在何处以及如何使用感测硬件。尽管很难说,如果数据雷达通过漏洞被暴露,它所产生的数据可能不如同等的视觉数据敏感。

哈里斯表示:“任何传感器自然都应该提出隐私问题,这是频谱问题,而不是是/否问题。” 雷达传感器通常具有丰富的细节,但高度匿名,与照相机不同。如果您的多普勒雷达数据在线泄漏,那么很难感到尴尬。没有人会认出你。如果您家内部的摄像头在线泄漏,那么……”

鉴于缺乏立即可用的多普勒信号数据,合成训练数据的计算成本如何?

他说:“这不是交钥匙的,但是有很多大型视频库可供使用(包括诸如Youtube-8M之类的东西)。” “下载视频数据和创建合成雷达数据要比招募人员进入您的实验室来捕获运动数据要快几个数量级。

“本质上是1个小时花费1个小时的质量数据。而这些天,您可以轻松地从许多精选的视频数据库中下载数百小时的素材。对于每个小时的视频,我们大约需要2个小时来处理,但这仅是在实验室中的一台台式机上进行的。关键是您可以使用Amazon AWS或同等产品并行化处理,并一次处理100个视频,因此吞吐量可以非常高。”

虽然RF信号确实会反射,并且会在不同表面上产生不同程度的反射(也称为“多路径干扰”),但Harris表示,用户反射的信号“到目前为止是主要信号”。这意味着他们不需要建模其他反射就可以使演示模型正常工作。(尽管他指出,“通过使用计算机视觉提取墙壁,天花板,地板/家具等大表面并将其添加到合成阶段中),可以进一步提高磨练能力。”

“ [多普勒]信号实际上是非常高的电平和抽象信号,因此实时处理并不是特别困难(比摄像机少得多的'像素')” 他补充说。“汽车中的嵌入式处理器将雷达数据用于诸如碰撞破坏和盲点监视之类的事情,而这些都是低端CPU(无需深度学习或任何东西)。”

该研究将在ACM CHI会议上进行,同时还有另一个名为“ Pose-on-the-Go”的小组项目,该项目使用智能手机传感器来估算用户的全身姿势,而无需佩戴可穿戴传感器。

该小组的CMU研究人员此前还演示了一种用于廉价(也不需要摄像头)的室内“智能家居”感应方法,以及-去年-展示了如何使用智能手机摄像头提供设备上的摄像头。 AI助手更能理解上下文。

近年来,他们还研究了使用激光振动法和电磁噪声为智能设备提供更好的环境意识和上下文功能。该小组其他有趣的研究包括使用导电喷涂将任何东西变成触摸屏。还有各种方法来扩展可穿戴设备的交互潜力,例如,通过使用激光将虚拟按钮投射到设备用户的手臂上,或将另一种可穿戴设备(戒指)结合到混合物中。

人机交互的未来似乎必定会在上下文方面变得更加精明-即使当前的“智能”设备仍然可以在基础上绊倒,而且似乎还不算什么。

瑞沛

银耳子面膜

银耳子面膜

空气唇釉