OPERAnet：基于射频与视觉传感器获取的多模态人体活动识别数据集
信号处理
2021-10-11 v1 图像与视频处理
摘要
本文提出了一个综合数据集，旨在利用同步射频（RF）设备与基于视觉的传感器所获取的观测数据来评估被动式人体活动识别（HAR）与定位技术。该数据集包含从 WiFi 网络接口卡（NIC）提取的信道状态信息（CSI）、基于软件定义无线电（SDR）平台构建的被动 WiFi 雷达（PWR），以及通过商用现货硬件获取的超宽带（UWB）信号等射频数据，同时还包含由 Kinect 传感器采集的视觉/红外数据。数据集提供了约 8 小时带标注的观测数据，由 6 名受试者在两个房间内完成 6 种日常活动所收集。该数据集可用于推进基于 WiFi 与视觉的 HAR 研究，例如利用模式识别、骨骼表示、深度学习算法或其他新颖方法精确识别人体活动。此外，它还可用于室内环境中对人员进行被动跟踪。此类数据集是智能家居、养老看护与监控应用背景下开发新算法与方法的关键工具。
引用
@article{arxiv.2110.04239,
title = {OPERAnet: A Multimodal Activity Recognition Dataset Acquired from Radio Frequency and Vision-based Sensors},
author = {Mohammud J. Bocus and Wenda Li and Shelly Vishwakarma and Roget Kou and Chong Tang and Karl Woodbridge and Ian Craddock and Ryan McConville and Raul Santos-Rodriguez and Kevin Chetty and Robert Piechocki},
journal= {arXiv preprint arXiv:2110.04239},
year = {2021}
}
备注
17 pages, 7 figures