基于 C3D 网络实现 WiFi 人体活动识别中特征提取与识别的同步进行
计算机视觉与模式识别
2019-11-22 v1
摘要
人体动作识别已吸引越来越多人的关注。许多技术已被开发用以表达人体动作特征，如图像、基于骨架和信道状态信息（CSI）。其中，由于 CSI 易于部署且对光照要求不高，在一些特殊场景中获得了越来越多的关注。然而，CSI 信号与人体动作之间的关系非常复杂，必须做一些预处理以使 CSI 特征易于被计算机理解。当前许多工作将基于 CSI 特征的动作处理分为两部分：一部分用于特征提取与降维，另一部分用于时间序列问题，其中有些甚至忽略了其中一部分工作。因此，现有识别系统的精度远不能令人满意。本文提出一种基于深度学习的新方法，即 C3D 网络与带注意力机制的 C3D 网络，利用 CSI 信号进行人体动作识别。该类网络可同时从空间卷积和时间卷积中提取特征，借此上述基于 CSI 的人体动作识别的两部分工作可同时实现，整体算法结构得以简化。实验结果表明，与一些基准方法相比，我们所提 C3D 网络在所有活动上均能取得最佳识别性能。
引用
@article{arxiv.1911.09325,
title = {Simultaneous Implementation Features Extraction and Recognition Using C3D Network for WiFi-based Human Activity Recognition},
author = {Liu Yafeng and Chen Tian and Liu Zhongyu and Zhang Lei and Hu Yanjun and Ding Enjie},
journal= {arXiv preprint arXiv:1911.09325},
year = {2019}
}
备注
11 pages, 8 figures, 5 tables