跨域 WiFi CSI 人体活动识别的数据增强技术
计算机视觉与模式识别
2024-11-26 v1 人工智能
机器学习
摘要
基于 WiFi 信道状态信息（CSI）的人体活动识别能够在室内环境中实现非接触式且保护视觉隐私的感知。然而，由于环境条件和传感硬件的变化，模型泛化能力差是该领域众所周知的问题。为解决这一问题，本文将在基于图像的学习中常用的数据增强技术应用于 WiFi CSI，以研究其在跨场景和跨系统设置下对模型泛化性能的影响。具体而言，我们重点关注视距（LOS）与非视距（NLOS）穿墙场景之间的泛化，以及不同天线系统之间的泛化，后者此前尚未得到充分探索。我们收集并公开了一个包含人体活动 CSI 幅度谱图的数据集。利用该数据，我们进行了一项消融研究，训练基于 EfficientNetV2 架构的活动识别模型，从而评估每种增强技术对模型泛化性能的影响。所得结果表明，将特定的简单数据增强技术组合应用于 CSI 幅度数据，可以显著改善跨场景和跨系统的泛化能力。
引用
@article{arxiv.2401.00964,
title = {Data Augmentation Techniques for Cross-Domain WiFi CSI-based Human Activity Recognition},
author = {Julian Strohmayer and Martin Kampel},
journal= {arXiv preprint arXiv:2401.00964},
year = {2024}
}