HotFoot：使用热成像的基于脚的用户识别

文献标题

HotFoot: Foot-Based User Identification Using Thermal Imaging

文献信息

• 主题领域: 基于热成像的足部用户识别
• 关键词: 足迹, 用户识别, 热成像, 生物特征识别, 智能环境, 机器学习, 梯度提升, 分类器, 热力特征, 可视特征

研究背景与问题

• 问题或挑战:

  • 当前的智能环境主要依赖于用户行为，而非用户身份，从而限制了个性化应用的开发。
  • 很多现有的用户识别技术（如指纹识别、人脸识别等）需要与用户交互，或耗费大量的传感器资源，场景受限。
  • 使用足部特征进行识别虽有潜力，但很多方案需要脱鞋或脱袜，实际应用受到限制。

• 重要性:

  • 通过改进用户识别技术，智能环境可以自动适配个人偏好，提升安全性以及用户体验。
  • 足部识别具有潜力成为一种无干扰的、连续的识别方法，并且热成像提供了新的可能性。

• 研究动机与相关工作:

  1. 足部交互技术已有广泛研究，但主要集中在用户交互上，针对足部的识别研究较少。
  2. 生物特征识别技术已扩展至基于行为的多模态方法，如步态分析、热成像设备的使用等。
  3. 热成像已在用户手势探测、面部识别等方向上有效应用，但其在用户身份识别领域仍较为稀缺。

解决方案

• 主要方法或解决方案:

  • 提出了一种结合热成像与可视特征的用户识别方法，探索用户足部的热辐射及留下的热痕迹。
  • 利用热成像摄像头获取足部的热辐射数据和可视图片，从脚部热量分布和几何特性推断用户身份。

• 创新之处:

  1. 提出了结合热成像和视觉特征的足部生物特征识别新方法。
  2. 实现了一个原型系统并收集了一组公开数据集以推动后续研究。
  3. 在不同场景下（不同地板材质和鞋履条件）验证了该方法的准确性，最高可达98.9%的AUC分数。

• 实施步骤:

  1. 数据采集：在实验室环境中，收集21名参与者在三种地板材质（地毯、木纹地板、亚麻油地板）和三种鞋履条件（袜子、个人鞋、标准鞋）下的热成像数据。
  2. 特征提取：通过计算机视觉提取足部的热特征（温度分布、热衰减时间等）和可视特征（几何形状等）。
  3. 分类建模：构建随机森林分类器，用于预测用户身份，根据鞋履和地板条件划分为四种分类场景。
  4. 性能评估：通过AUC、F1分数等指标评估不同模型的表现。

研究成果

• 具体成果:

  1. 在不同条件下收集了567条热成像数据，包括视觉和热特性，形成公开数据集。
  2. 研究表明结合视觉和热特征的分类器在用户识别中效果最佳（最高AUC达98.9%），相比单一类型特征有显著提升。
  3. 热特征优于视觉特征（平均AUC分别为0.91+和0.72+），且在用户姿态变化或环境光线变化时具有鲁棒性。

• 优势:

  • 方法无需用户额外交互，识别过程轻量化且连续进行。
  • 与传统生物识别方法相比，针对多样化环境（如不同地板与鞋履组合）具有更大灵活性。

• 实验或评估结果:

  1. 在完全约束条件（相同地板和鞋履）下，分类器表现最好。
  2. 在完全非约束条件（不同鞋和地板）下，分类器表现略有下降，但仍维护高效性（AUC达91.7%）。
  3. 地板材质对识别性能的影响较小，而鞋履类型（如袜子 vs. 鞋子）的影响更明显。

• 局限性与未来方向:

  1. 目前实验在受控环境中完成，未能覆盖大规模真实场景；
  2. 人群规模有限（共21人），需在更大数据集上验证可扩展性；
  3. 未针对残疾用户进行测试（如单肢或慢性冷足症患者）；
  4. 未来可探索更复杂的热模式识别方法，提高鲁棒性，并在安全验证领域应对伪造攻击。