基于WiFi信号的自由形态活动三维人体姿态估计
计算机视觉与模式识别
2021-10-19 v1 人机交互
摘要
WiFi人体感知在实现新兴人机交互应用方面正变得日益引人注目。相应技术已从多种活动类型的分类逐渐演变为更细粒度的三维人体姿态跟踪。然而，现有基于WiFi的三维人体姿态跟踪仅限于一组预定义活动。在本工作中，我们提出Winect，一种利用商用WiFi设备实现自由形态活动三维人体姿态跟踪的系统。我们的系统通过估计由人体一组关节组成的三维骨架姿态来跟踪自由形态活动。具体而言，我们结合信号分离与关节运动建模来实现自由形态活动跟踪。我们的系统首先利用人体反射信号的三维到达角识别运动肢体，并分离各肢体的纠缠信号。随后，通过对肢体运动与相应关节之间内在关系的建模，跟踪每个肢体并构建人体的三维骨架。我们的评估结果表明，Winect具有环境无关性，并在包括非视距（NLoS）场景在内的各种挑战性环境下实现了厘米级精度的自由形态活动跟踪。
引用
@article{arxiv.2110.08314,
title = {3D Human Pose Estimation for Free-form Activity Using WiFi Signals},
author = {Yili Ren and Jie Yang},
journal= {arXiv preprint arXiv:2110.08314},
year = {2021}
}