用于步态生物特征感知与识别的深度 CSI 学习
机器学习
2019-02-07 v1 机器学习
摘要
步态是人的自然行走风格，也是每个人独有的复杂生物过程。近来，WiFi 设备的信道状态信息（CSI）已被利用来捕获人类步态生物特征以进行用户识别。然而，现有基于 CSI 的步态识别系统性能远不能令人满意。它们仅能对极少量人群（即 2 至 10 人之间）达到有限的识别准确率（最高 ）。为应对此挑战，开发了一个端到端深度 CSI 学习系统，其利用深度神经网络自动学习 CSI 数据中足以区分不同人的显著步态特征。首先，原始 CSI 数据通过基于窗口的去噪、均值中心化与归一化进行净化。净化后的数据随后传入残差深度卷积神经网络（DCNN），其自动提取嵌入 CSI 数据中步态签名的层次化特征。最后，softmax 分类器利用提取的特征对用户身份做出最终预测。在典型室内环境中，对 30 人的数据集取得了 的 top-1 准确率。
引用
@article{arxiv.1902.02300,
title = {Deep CSI Learning for Gait Biometric Sensing and Recognition},
author = {Kalvik Jakkala and Arupjyoti Bhuya and Zhi Sun and Pu Wang and Zhuo Cheng},
journal= {arXiv preprint arXiv:1902.02300},
year = {2019}
}
备注
6 pages, 11 figures