Identificación de individuos mediante su interacción con el dispositivo de apertura de una puerta aplicando técnicas de Deep Learning

Abstract

La inteligencia ambiental tiene como objetivo realizar la integración de enfoques inteligentes en diferentes tipos de infraestructuras IoT, principalmente, utilizando objetos de la vida cotidiana de cualquier entorno. La hipótesis principal del trabajo es identificar cuáles son las mejores aproximaciones, para realizar una autenticación de usuarios en el momento en que éstos interactúen con la manilla de una puerta, aplicando técnicas de Deep Learning, más concretamente, redes neuronales. Esta propuesta contribuye a la creación de un método diferente para identificar a las personas de una manera más fluida, y centrada en la privacidad del usuario, para que pueda ser utilizada en cualquier tipo de escenario sin necesidad de ningún dispositivo o sistema adicional. En este caso, utilizamos los datos recopilados en un trabajo anterior, generados por acelerómetros y giroscopios integrados en la manilla de una puerta, donde se obtuvo un conjunto de datos que comprendía muestras de 47 individuos. Se adopta un enfoque centrado en redes neuronales recurrentes, y redes neuronales profundas, extrayendo las características de ambas soluciones, y estableciendo la mejor combinación de los valores que tienen los parámetros. Se ha realizado un estudio de los reultados obtenidos de los diferentes métodos aplicados sobre diferentes conjuntos de datos y características para evaluar el comportamiento de este reto de identificación. Los valores observados de las métricas utilizadas, como la precisión, muestran unos resultados muy interesantes por encima de 0,93 utilizando redes neuronales profundas.

Ambient intelligence aims to perform the integration of intelligent approaches in different types of IoT infrastructures, mainly using everyday objects of any environment. The main hypothesis of the work is to identify which are the best approaches, to perform a user authentication at the moment they interact with a door handle, applying Deep Learning techniques, more specifically, neural networks. This proposal contributes to the creation of a different method to identify people in a more fluid way, and focused on user privacy, so that it can be used in any type of scenario without the need for any additional device or system. In this case, we use data collected in a previous work, generated by accelerometers and gyroscopes embedded in a door handle, where a dataset comprising samples of 47 individuals was obtained. An approach focusing on recurrent neural networks, and deep neural networks is adopted, extracting the characteristics of both solutions, and establishing the best combination of the values that the parameters have. A study of the results obtained from the different methods applied on different data sets and features has been carried out to evaluate the performance of this identification challenge. The observed values of the metrics used, such as accuracy, show very interesting results above 0.93 using deep neural networks.