WiFi-TCN：基于WiFi信号的时间卷积人体交互识别
信号处理
2024-01-12 v2 计算机视觉与模式识别
机器学习
摘要
基于Wi-Fi的人体活动识别近来受到相当关注，主要因其应用于医疗健康监测呼吸与心率、安防、养老等领域。这些基于Wi-Fi的方法相较依赖摄像头与传感器的传统最先进技术具有成本更低、易部署等优势。然而，基于Wi-Fi的HAR面临的一大挑战是当场景或受试者变化时性能显著下降。为缓解该问题，需用大规模数据集训练模型。近期研究中，基于CNN的模型或LSTM、GRU、Transformer等序列到序列模型已普遍使用。序列到序列模型虽更精确，但计算开销更大且需更多训练数据。为应对这些局限，我们提出一种利用带增强与注意力的时间卷积网络新方法，称为TCN-AA。所提方法计算高效，且即便通过我们的增强技术将数据量扩充三倍仍展现更高精度。在公开数据集上的实验表明，我们的方法以99.42%的最终准确率优于现有最先进方法。
引用
@article{arxiv.2305.18211,
title = {WiFi-TCN: Temporal Convolution for Human Interaction Recognition based on WiFi signal},
author = {Chih-Yang Lin and Chia-Yu Lin and Yu-Tso Liu and Timothy K. Shih},
journal= {arXiv preprint arXiv:2305.18211},
year = {2024}
}
备注
Paper is currently under review at IEEE Access