閃亮的手機(jī)屏幕能夠安撫哭鬧的孩子，然而，21世紀(jì)的父母必須權(quán)衡兒童使用手機(jī)的利弊，防止他們沉迷王者榮耀、“吃雞”游戲或者不知不覺地在淘寶、亞馬遜上購買玩具。

幸運(yùn)的是，由南卡羅來納大學(xué)和中國浙江大學(xué)的研究人員開發(fā)的新軟件（iCare）可以幫助解決這個(gè)育兒難題。

在iCare中研究人員開發(fā)了一種算法，用于測量用戶與移動(dòng)設(shè)備的互動(dòng)，并可以可靠地分辨出用戶是成人還是小孩。如果軟件檢測到是孩子在用手機(jī)，它可以自動(dòng)阻止訪問零售商、電子郵件等應(yīng)用程序以及兒童不宜的網(wǎng)站。

iCare能夠記錄像手指按壓的表面積、手指施加的壓力和滑動(dòng)長度等度量數(shù)據(jù)。研究人員分別從一群3至11歲的兒童（共17人）和一群22至60歲的成年人（共14人）那里收集數(shù)據(jù)。其測試的準(zhǔn)確率達(dá)到了84％，8次滑動(dòng)之后，準(zhǔn)確率可達(dá)到97％。

不過，該算法尚未被整合到操作系統(tǒng)中，論文已經(jīng)發(fā)表在移動(dòng)技術(shù)大會(huì)HotMobile上。

基本理念：兒童與成年人與手機(jī)互動(dòng)的方式不同

人體工程學(xué)和運(yùn)動(dòng)機(jī)能學(xué)已經(jīng)表明，我們可以在相似年齡段的人群中發(fā)現(xiàn)共同的特征。本項(xiàng)研究的主要假設(shè)是兒童與成年人以不同的方式與智能手機(jī)進(jìn)行互動(dòng)。我們希望從智能手機(jī)上的正常觸摸操作中提取兒童用戶的特征。我們的想法基于以下兩個(gè)觀察：

首先，在尺寸方面，兒童和成人之間手部幾何結(jié)構(gòu)不同：兒童手部較小，而手指觸碰點(diǎn)較一般成人短。因此，兒童往往會(huì)在較窄的屏幕范圍內(nèi)接觸，并以較短的軌跡滑動(dòng)。

其次，與成年人相比，兒童與智能手機(jī)互動(dòng)的靈巧性差。根據(jù)我們的觀察，孩子們?cè)谥悄苁謾C(jī)上的每次觸摸都比成人慢，速度也較慢。當(dāng)他們嘗試在兩次觸摸操作之間切換時(shí)，即從輕擊到滑動(dòng)時(shí)，情況也是如此。這可以歸因于兒童的身體尚未成熟，因此這會(huì)影響他們?cè)谑褂檬种笀?zhí)行任務(wù)時(shí)的反應(yīng)。

因此，當(dāng)從觸摸數(shù)據(jù)提取特征時(shí)，我們考慮手形和靈活性屬性。

實(shí)驗(yàn)裝置：解鎖手機(jī)和玩2048游戲

我們的研究獲得南卡羅來納大學(xué)機(jī)構(gòu)審查委員會(huì)的批準(zhǔn)（IRB號(hào)碼73819）。在實(shí)驗(yàn)中，我們使用與所有主題相同的智能手機(jī)（由LG生產(chǎn)的Google Nexus 5X，運(yùn)行Android v.7.1.1），并關(guān)閉其自動(dòng)旋轉(zhuǎn)功能以消除與各種手持相關(guān)的偏差。我們基于智能手機(jī)的兩項(xiàng)常見活動(dòng)設(shè)計(jì)了一個(gè)兩階段應(yīng)用程序：解鎖手機(jī)（點(diǎn)擊手勢）和玩游戲（滑動(dòng)手勢）。

點(diǎn)擊手勢在第一階段收集。如圖2（a）所示，在屏幕的頂部出現(xiàn)一個(gè)PIN碼，用戶被要求輸入它。我們的應(yīng)用程序生成兩個(gè)四位數(shù)和兩個(gè)六位數(shù)的引腳號(hào)，每個(gè)引腳隨機(jī)出現(xiàn)兩次。如果每次都成功，每個(gè)用戶都會(huì)將手機(jī)解鎖八次。我們將解鎖嘗試的最大次數(shù)設(shè)置為十次。。

滑動(dòng)手勢在第二階段收集。我們修改了一個(gè)名為2048的流行益智游戲，如圖2（b）所示。

用戶可以在任何方向滑動(dòng)來玩游戲。令人驚訝的是，相當(dāng)數(shù)量的孩子表示他們之前玩過這個(gè)特定的游戲或類似的游戲。大多數(shù)3-5歲的兒童能組成64或更大，而6-11歲之間的兒童至少組成128，而五年級(jí)學(xué)生（10歲）最高組成512。

實(shí)驗(yàn)數(shù)據(jù)

在我們的實(shí)驗(yàn)中，我們招募了兩組用戶：兒童組有17名3至11歲的兒童，成人組有14名20至59歲的成年人。表1總結(jié)了參與者的人口統(tǒng)計(jì)。所有的參與者都完成了兩個(gè)階段的任務(wù)。在解鎖手機(jī)階段，我們收集了兒童組中的1357個(gè)手指按壓和成人組中的762個(gè)手指按壓數(shù)據(jù)。

請(qǐng)注意，雖然3至5歲兒童的人數(shù)并不是最多，但與大齡兒童和成人相比，我們收集的手指按壓數(shù)量最多。這是因?yàn)檫@個(gè)年齡組的孩子更可能輸入錯(cuò)誤，因此他們嘗試多次。在第二階段，我們分別從兒童組和成人組收集了3442和3658次?？偟膩碚f，成人組在2048年的比賽中表現(xiàn)更好。

表2給出了滑動(dòng)數(shù)據(jù)的樣本，表3是點(diǎn)擊數(shù)據(jù)的樣本。輕擊一般由兩個(gè)動(dòng)作組成：向下（“0”）和向上（“2”），而滑動(dòng)有一個(gè)動(dòng)作：觸摸移動(dòng)（“1”）。滑動(dòng)由一系列觸摸點(diǎn)組成。它從觸摸屏幕開始，以手指提升結(jié)束。在每個(gè)點(diǎn)上，我們記錄發(fā)生的時(shí)間，X-Y坐標(biāo)，觸摸區(qū)域的壓力和大小以及手指ID。事件時(shí)間以毫秒為單位，并基于智能手機(jī)自啟動(dòng)以來的非睡眠正常運(yùn)行時(shí)間。壓力和尺寸值均被標(biāo)準(zhǔn)化為0和1之間的范圍，其中0意味著沒有壓力并且完全沒有尺寸。

數(shù)據(jù)處理

我們從所收集的觸摸數(shù)據(jù)中從兩個(gè)方面提取特征：手的幾何形狀和靈活性。表4顯示了滑動(dòng)手勢和輕擊手勢的功能描述?？偣?，我們提取了35個(gè)特征，并且點(diǎn)擊了8個(gè)特征。

手部幾何。手部幾何形狀的差異會(huì)導(dǎo)致觸摸范圍，觸摸距離，觸摸壓力和尺寸方面的差異。特別地，表4中編號(hào)從1到19的特征是基于手部幾何圖形提取的。

靈活性。考慮到靈活性，我們提取了從20到35的16個(gè)特征。靈巧性主要影響速度，加速度和任務(wù)持續(xù)時(shí)間。

分類器和度量

分類選擇。根據(jù)孩子和成人分類的以上特點(diǎn)，我們實(shí)現(xiàn)了三個(gè)機(jī)器學(xué)習(xí)分類器，即支持向量機(jī)（SVM），隨機(jī)森林（RF）和k近鄰（kNN）。支持向量機(jī)是二元分類的流行和強(qiáng)大的工具，它可以輸出一個(gè)最優(yōu)化的超平面，以最大化兩個(gè)類之間的邊界。最重要的是，它能夠通過使用內(nèi)核技巧將數(shù)據(jù)映射到更高維空間來解決非線性可分問題。

在這里，我們使用徑向基函數(shù)（RBF）作為我們的非線性核。 kNN是一種非參數(shù)方法，它沒有數(shù)據(jù)的基礎(chǔ)假設(shè)，每個(gè)樣本都基于其鄰居的多數(shù)投票分配給一個(gè)類。神經(jīng)網(wǎng)絡(luò)不基于訓(xùn)練數(shù)據(jù)進(jìn)行任何概括，但它非常簡單而且快速，同時(shí)具有高度競爭的結(jié)果。 RF是另一種有效的算法，它能夠準(zhǔn)確地對(duì)大量數(shù)據(jù)進(jìn)行分類。它是一種集成方法，它在訓(xùn)練時(shí)間內(nèi)構(gòu)造大量決策樹，并輸出所有模型中票數(shù)最多的類標(biāo)簽。它還給出了每個(gè)特征在分類中重要性的估計(jì)。

指標(biāo)。為了評(píng)估二元分類器的性能，我們選擇常用的性能指標(biāo)：ROC（AUC）曲線下的面積和相等的錯(cuò)誤率（EER）。 ROC曲線代表受試者工作特征曲線，并通過繪制真實(shí)接受率（TAR）與錯(cuò)誤接受率（FAR）的關(guān)系來創(chuàng)建，因?yàn)殚撝底兓?TAR是正確識(shí)別孩子的概率，而FAR是分類錯(cuò)誤地接受孩子的概率。 AUC是介于0和1之間的值，較大的值通常更好。 EER是接受和拒絕誤差相等時(shí)的速率，而這個(gè)值越低，分類者越好。

結(jié)果：

首先，我們將孩子的觸摸數(shù)據(jù)分為兩組，分成3至5歲的兒童和6至11歲的兒童兩組。我們將所有成人數(shù)據(jù)視為陰性樣本，并為每個(gè)組單獨(dú)訓(xùn)練了一個(gè)RF分類器。

圖4顯示了兩個(gè)年齡組的ROC曲線的比較。對(duì)于滑動(dòng)和敲擊，我們?cè)趯?duì)3至5歲的兒童組進(jìn)行分類時(shí)有更好的表現(xiàn)。這是合理的，因?yàn)槟挲g較小的兒童在手部幾何和靈活性方面往往與成年人更為不同。

多次滑動(dòng)。在本節(jié)中，我們將探索將不同數(shù)量的連續(xù)滑動(dòng)組合用于分類對(duì)性能的影響。到目前為止，我們只使用相對(duì)較大的滑動(dòng)數(shù)據(jù)集來進(jìn)行多筆劃評(píng)估。首先，我們分開將數(shù)據(jù)集轉(zhuǎn)換為訓(xùn)練和測試集。我們通過從每個(gè)年齡段的參與者中隨機(jī)選擇10％的連續(xù)樣本來準(zhǔn)備測試數(shù)據(jù)集。

總的來說，測試數(shù)據(jù)集由660個(gè)樣本組成，均勻地分布在兒童和成人之間。我們使用剩余的樣本訓(xùn)練RF模型，并選擇樹號(hào)為200。與其單獨(dú)劃分所有劃動(dòng)并通過大多數(shù)投票達(dá)成最終決定，我們?cè)谳^早階段將其多個(gè)連續(xù)輸出與它們的概率組合，并取平均值作為我們的預(yù)測概率。

圖5顯示了ROC曲線，通過改變劃分的次數(shù)來進(jìn)行分類決策。增加滑動(dòng)次數(shù)時(shí)，分類錯(cuò)誤可以大大減少。隨著我們將滑動(dòng)次數(shù)增加到8次，EER本地收斂到3.0％。盡管數(shù)據(jù)集的有限大小不允許我們進(jìn)一步增加滑動(dòng)次數(shù)，但結(jié)果清楚地表明使用多次滑動(dòng)可以提高準(zhǔn)確性。

限制與未來探討：兒童多樣性、有限的手勢等

有幾個(gè)問題有待探討。

1、由任務(wù)屬性造成的偏差。雖然沒有限制用戶如何執(zhí)行觸摸手勢，實(shí)驗(yàn)中使用的具體應(yīng)用（任務(wù)）會(huì)影響手勢幾何。因此，依賴任務(wù)的多樣性可能會(huì)影響iCare的準(zhǔn)確性。值得研究手勢和相應(yīng)的特征如何隨著不同的任務(wù)而變化。

2、兒童用戶的多樣性?？紤]到女孩和男孩身體的不同發(fā)育率，應(yīng)該檢查不同性別的觸摸模式。此外，隨著兒童的行為每年發(fā)生顯著變化，可能會(huì)降低整體的準(zhǔn)確性。我們還觀察到，3歲以上的兒童可以使用PIN碼解鎖智能手機(jī)，即使他們無法讀取數(shù)字。

3、有限的手勢。還有很多其他的手勢（例如，滾動(dòng)）在我們的研究中還沒有探索過。實(shí)際上，用戶可能需要在不同類型的手勢之間來回切換，才能在智能手機(jī)上完成任務(wù)。將所有類型的手勢融合在一起可以產(chǎn)生更快的分類決策并可能提高準(zhǔn)確性。

4、提高準(zhǔn)確性。鑒于連續(xù)8次滑動(dòng)和準(zhǔn)確性，我們的方法可以為現(xiàn)有的父母監(jiān)控應(yīng)用程序提供很好的補(bǔ)充。但是，在應(yīng)用到現(xiàn)實(shí)世界之前，其準(zhǔn)確性應(yīng)該得到改善。我們可以通過解決上述三個(gè)限制來提高準(zhǔn)確性。此外，智能手機(jī)上還有其他內(nèi)置傳感器（例如陀螺儀和加速計(jì)），可以利用這些傳感器來導(dǎo)出用戶的分類結(jié)果特征。