基于近场Wi-Fi感知的跨域多人人体活动识别
信号处理
2025-10-22 v1 计算机视觉与模式识别
摘要
基于Wi-Fi的人体活动识别(HAR)提供了巨大的便利，已成为活跃的研究领域，但Wi-Fi固有的粗糙空间分辨率显著限制了其区分多个主体的能力。通过利用近场支配效应，为每个主体建立专用的感知链路（通过其个人Wi-Fi设备）为多人HAR提供了在原生流量下的可行方案。然而，由于主体特定特征和近场信号的不规则模式，HAR神经网络模型需要针对跨域适应进行细调(FT)，在某些类别不可用的情况下这尤其具有挑战性。本文提出了WiAnchor，一个用于在存在不完整活动类别情况下的高效跨域适应的新型训练框架。该框架在三个步骤中处理嵌有不规则时间信息的Wi-Fi信号：在预训练阶段，我们扩大类别特征间的间隙，以增强活动的可分离性；在FT阶段，我们创新了一个用于跨域适应的锚点匹配机制，依据不完整的活动类别过滤主体特定的干扰，而不是尝试从这些类别中提取完整特征；最后，基于样本与锚点之间的特征层级相似性进一步提高了识别效果。我们构建了一个全面的数据集来彻底评估WiAnchor，在缺少活动类别的情况下实现了90%以上的跨域准确率。
引用
@article{arxiv.2510.17816,
title = {Cross-Domain Multi-Person Human Activity Recognition via Near-Field Wi-Fi Sensing},
author = {Xin Li and Jingzhi Hu and Yinghui He and Hongbo Wang and Jin Gan and Jun Luo},
journal= {arXiv preprint arXiv:2510.17816},
year = {2025}
}