基于WiFi的热适应行为识别的跨域迁移学习方法
人机交互
2024-10-30 v1
摘要
一个可靠的舒适度模型对于提高居住者满意度和降低建筑能耗至关重要。作为两种最常见且直观的热适应行为，对穿衣和脱衣的精确识别可以有效支持热舒适预测。然而，传统的活动识别在隐私、成本和性能方面存在不足。为解决上述问题，本研究提出了一种基于WiFi的人体穿衣和脱衣适应行为识别的跨域迁移学习方法。首先，我们通过计算去噪后WiFi信号的滑动方差来确定活动区间。随后，在时频分析的基础上，执行短时傅里叶变换和离散小波变换以提取动作信息。最终，将高效的1D CNN预训练模型与SVM算法集成为一个混合模型，以增强在新场景下的识别鲁棒性。实验结果表明，基于迁移学习的混合模型为目标受试者的适应行为提供了更准确的预测，在两种情况下分别达到了96.9%和94.9%的准确率。
引用
@article{arxiv.2410.21827,
title = {Cross-Domain Transfer Learning Method for Thermal Adaptive Behavior Recognition with WiFi},
author = {Zhaohe Lv and Guoliang Zhao and Zhanbo Xu and Jiang Wu and Yadong Zhou and Kun Liu},
journal= {arXiv preprint arXiv:2410.21827},
year = {2024}
}