基于注意力的Wi-Fi网络中行走步态与方向识别
人机交互
2019-02-01 v3
摘要
人体步态识别的研究已成为一个活跃的研究领域。本文提出采用基于注意力的循环神经网络（RNN）编码器-解码器框架，在Wi-Fi网络中实现与周期无关的人体步态和行走方向识别系统。为捕获更多人体行走动态，在不同空间布局中部署两个接收器与一个发射器。在所提出的系统中，首先收集来自不同接收器的信道状态信息（CSI）测量值并对其进行精炼以形成集成行走轮廓。然后，RNN编码器读取并将行走轮廓编码为初级特征向量。给定特定识别任务，解码器计算相应的注意力向量，该向量是分配不同注意力的初级特征的加权和，并最终用于预测目标。注意力机制促使我们的系统学习自适应地对齐CSI数据序列中用于人体行走步态和方向识别的不同关键片段。我们在室内环境的商用Wi-Fi设备上实现我们的系统，实验结果表明，我们的系统对来自8名受试者的步态识别平均F1分数达到89.69%，对8个行走方向的识别达到95.06%，此外，这两项识别任务的平均准确率均超过97%。
引用
@article{arxiv.1811.07162,
title = {Attention-based Walking Gait and Direction Recognition in Wi-Fi Networks},
author = {Yang Xu and Min Chen and Wei Yang and Sheng Chen and Liusheng Huang},
journal= {arXiv preprint arXiv:1811.07162},
year = {2019}
}
备注
12 pages,12 figures