Temporal Unet: 基于WiFi的采样级人体动作识别
信号处理
2019-04-29 v1 计算机视觉与模式识别
人机交互
摘要
人体执行动作会导致WiFi失真,这已被广泛探索用于动作识别,如老人跌倒检测、手势语识别和按键估计。据我们所能调研的最佳范围,以往工作通过将一段完整失真序列归类为一个动作来识别人体动作,我们称之为序列级动作识别。本文将一种更细粒度且更具挑战性的动作识别任务引入WiFi感知领域,即采样级动作识别。在该任务中,整个序列中的每个WiFi失真采样都应被归类为一个动作,这是精确动作定位、连续动作分割和实时动作识别中的关键技术。为实现基于WiFi的采样级动作识别,我们充分分析了基于图像的语义分割以及基于视频的帧级动作识别方法,进而提出一种简单而高效的深度卷积神经网络,即Temporal Unet。实验结果表明,Temporal Unet很好地完成了这一新任务。代码已公开于https://github.com/geekfeiw/WiSLAR。
引用
@article{arxiv.1904.11953,
title = {Temporal Unet: Sample Level Human Action Recognition using WiFi},
author = {Fei Wang and Yunpeng Song and Jimuyang Zhang and Jinsong Han and Dong Huang},
journal= {arXiv preprint arXiv:1904.11953},
year = {2019}
}
备注
14 pages, 14 figures, 1 table