CRONOS：基于 Wi-Fi CSI 与着色及对比学习的无设备非视距人体存在检测
信号处理
2023-08-21 v5 机器学习
摘要
近年来，对普适智能服务与应用的需求迅速增长。通过传感器或摄像头进行的无设备人体检测已被广泛采用，但其存在隐私问题以及对静止人员的误检。为克服这些缺陷，从商用 Wi-Fi 设备获取的信道状态信息（CSI）可提供丰富的信号特征以实现准确检测。然而，现有系统在视距受阻（NLoS）与静止场景下分类不准确，例如当一个人静止站在房间角落时。本工作中，我们提出一种称为 CRONOS（着色与对比学习增强的非视距人体存在检测）的系统，其分别生成动态递归图（RPs）与颜色编码的 CSI 比值，以区分房间内移动人员、静止人员与无人状态。我们还引入有监督对比学习来提取实质性表征，并构建咨询损失以区分动态与静止情形间的表征距离。此外，我们提出一种自切换静态特征增强分类器（S3FEC）来决定使用 RPs 或颜色编码的 CSI 比值。我们全面的实验结果表明，CRONOS 优于现有采用机器学习或非基于学习的方法以及公开文献中非基于 CSI 特征的系统。CRONOS 在无人、移动、视距（LoS）与 NLoS 场景下均取得了最高的人体存在检测准确率。
引用
@article{arxiv.2211.10354,
title = {CRONOS: Colorization and Contrastive Learning for Device-Free NLoS Human Presence Detection using Wi-Fi CSI},
author = {Li-Hsiang Shen and Chia-Che Hsieh and An-Hung Hsiao and Kai-Ten Feng},
journal= {arXiv preprint arXiv:2211.10354},
year = {2023}
}
备注
Accepted by IEEE IoT-J