對象識別以及與智能手機敲門的互動

KAIST團隊采用了一項新技術“敲門器”，該技術可以通過用智能手機敲擊對象來識別對象并執行動作。由機器學習的聲音，振動和其他反應支持的軟件將執行用戶的指示。

Knocker與現有技術的區別在于聲音和運動的傳感器融合。以前，對象識別要么使用帶有攝像頭的計算機視覺技術，要么使用諸如RFID(射頻識別)標簽的硬件。這些解決方案都有其局限性。對于計算機視覺技術，用戶需要為每個項目拍照。更糟糕的是，該技術在光線不足的情況下無法很好地工作。使用硬件會導致額外的成本和人工負擔。

另一方面，即使在黑暗環境中，敲門器也可以僅使用智能手機識別物體，而無需任何專用硬件或使用相機。敲門器利用智能手機的內置傳感器(例如麥克風，加速計和陀螺儀)來捕獲當智能手機撞擊物體時產生的一組獨特的響應。機器學習用于分析這些響應以及對對象進行分類和識別。

計算學院的李成柱教授領導的研究小組證實，可通過使用23種日常物品(例如書籍，筆記本電腦，水壺和自行車)來實現Knocker技術的適用性。在嘈雜的環境中，例如繁忙的咖啡館或路邊，它可以達到83%的識別精度。在安靜的室內環境中，精度提高到98%。

該團隊相信Knocker將開啟對象交互的新范例。例如，通過敲一個空的水瓶，智能手機可以從商家應用程序自動訂購新的水瓶。與物聯網設備集成后，在睡覺前敲床床頭板可能會關燈并發出警報。該團隊在上個月于倫敦舉行的2019 ACM普及與普適計算國際聯合會議(UbiComp 2019)上提出的論文中，建議并實施了15個應用案例。

Lee Sung-Ju教授說：“這項新技術不需要任何專門的傳感器或硬件。它僅使用智能手機上的內置傳感器并利用了機器學習的功能。這是日常智能手機用戶可以立即使用的軟件解決方案從。。得到好處。” 他繼續說：“這項技術使用戶可以方便地與自己喜歡的對象進行交互。”