人机系统中基于无线射频信号的定性动作识别

人机系统需要深度理解人类行为。大多数现有的动作识别研究集中于区分不同动作，然而执行动作的质量迄今很少受到关注。在本文中，我们研究驾驶行为的质量评估，并提出 WiQ，一种基于无线电信号评估动作质量的系统。该系统包含三个关键组件：基于深度神经网络的学习引擎，从信号强度变化中提取质量信息；基于梯度的方法，检测单个动作的信号边界；以及基于活动的融合策略，以改善噪声环境下的识别性能。利用质量信息，WiQ 能以 97% 的准确率区分三种身体状态，而在 15 名驾驶员间的识别平均准确率为 88%。我们的结果表明，通过对无线电信号的专门分析，可以实现细粒度动作表征，这有助于大量应用，如智能驾驶辅助。