基于 WiFi CSI 的时序选择性 RNN 用于无设备多房间人体存在检测
人工智能
2023-12-13 v2 机器学习
摘要
无设备人体存在检测是家庭自动化、安防和医疗等多种应用中的关键技术。尽管基于摄像头的系统传统上被用于此目的，但它们引发了隐私问题。为解决该问题，近期研究探索了利用从商用 WiFi 接入点（AP）提取的无线信道状态信息（CSI）来提供详细的信道特征。本文提出一种面向多房间场景的无设备人体存在检测系统，采用时序选择性条件双特征提取循环网络（TCD-FERN）。我们的系统通过动态与静态数据预处理技术，旨在捕捉当前人体特征上的显著时间特征。我们提取人体的运动与空间特征，并区分视距（LoS）与非视距（NLoS）情况。为提供更客观的样本变化并降低计算复杂度，进行了子载波融合。进一步采用投票机制以缓解由房间隔断引起的特征衰减问题，使人体存在检测准确率提升约 3%。实验结果表明，利用子载波融合、双特征循环网络、时间选择与条件机制带来了显著改进。与公开文献中已有工作相比，我们所提出的 TCD-FERN 系统在采用更少 WiFi AP 的情况下，于多房间场景中可实现 97% 以上的人体存在检测准确率。
引用
@article{arxiv.2304.13107,
title = {Time-Selective RNN for Device-Free Multi-Room Human Presence Detection Using WiFi CSI},
author = {Li-Hsiang Shen and An-Hung Hsiao and Fang-Yu Chu and Kai-Ten Feng},
journal= {arXiv preprint arXiv:2304.13107},
year = {2023}
}
备注
Accepted by IEEE Transactions on Instrumentation & Measurement