[發(fā)明專利]針對WiFi信號行為識別的基于深度學習的動作分割框架構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 202010718841.1
• 申請日: 2020-07-23
• 公開（公告）號: CN111914709A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計）人: 肖春靜;何海生;段宇晨;雷越;陳世名
• 申請（專利權(quán)）人: 河南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 張立強

本發(fā)明屬于行為識別技術(shù)領(lǐng)域，公開一種針對WiFi信號行為識別的基于深度學習的動作分割框架構(gòu)建方法，包括：通過CSI數(shù)據(jù)訓練狀態(tài)推斷模型；通過大小為ω的滑動窗口將CSI數(shù)據(jù)劃分為等長的數(shù)據(jù)段，設(shè)置滑動步長為1；采用訓練好的狀態(tài)推斷模型推斷數(shù)據(jù)段的標簽；基于數(shù)據(jù)段的標簽，確定人體動作的開始點和結(jié)束點，對人體動作進行分割提取；基于動作分割好的CSI數(shù)據(jù)，采用深度學習模型CNN作為行為分類模型，進行行為分類，并計算置信度作為反饋信息；將來自行為分類模型的反饋信息融入到狀態(tài)推斷模型的構(gòu)建中，完成基于深度學習的動作分割框架的構(gòu)建。本發(fā)明不需要依靠經(jīng)驗的噪聲去除和閾值計算，解決了混合動作下動作分割性能下降問題。

技術(shù)領(lǐng)域

本發(fā)明屬于行為識別技術(shù)領(lǐng)域，尤其涉及一種針對WiFi信號行為識別的基于深度學習的動作分割框架構(gòu)建方法。

背景技術(shù)

作為物聯(lián)網(wǎng)的重要組成部分，行為識別在許多物聯(lián)網(wǎng)應(yīng)用(如智能家居和醫(yī)療保健等)中起著關(guān)鍵作用，這些應(yīng)用需要識別不同類型的行為來提高生活質(zhì)量。現(xiàn)有的行為識別可以分為接觸式的行為識別和非接觸式的行為識別，如可穿戴傳感器，智能電話和相機等都屬于典型的接觸式的行為識別，而基于WiFi信號的行為識別近年來則以其無處不在的可用性和非接觸式的特點受到了極大的青睞。通過采集信道狀態(tài)信息(Channel StateInformation，CSI)，現(xiàn)有的很多工作對不同類型動作的行為識別進行了探索，例如細粒度動作(手勢和手語)和粗粒度動作(行走和跌倒)。

對于基于CSI的行為識別，在經(jīng)過數(shù)據(jù)采集和預(yù)處理后，剩下的步驟大致可以分為兩個部分：動作分割和行為分類。動作分割旨在從持續(xù)接收的CSI數(shù)據(jù)中找到動作開始的點和結(jié)束的點。行為分類是要將動作分割的結(jié)果歸類到相應(yīng)的類別。作為行為分類的輸入，動作分割的質(zhì)量對行為分類的性能有著重要的影響，而且由于動作出現(xiàn)時，CSI振幅波動的范圍要比沒有動作發(fā)生時的波動大的多，因此大部分現(xiàn)有的工作如Tw-See(Wu,X.G.,et al.,TW-See:Human Activity Recognition Through the Wall With Commodity Wi-FiDevices.Ieee Transactions on Vehicular Technology,2019.68(1):p.306-319.)和Wi-Multi(Feng,C.,et al.,Wi-multi:AThree-phase System for Multiple Human ActivityRecognition with Commercial WiFi Devices.IEEE Internet of Things Journal,2019:p.1-1.)，考慮通過找到一個最佳閾值來檢測動作是否發(fā)生，從而設(shè)計一個基于閾值的動作分割方法，即如果CSI波動的幅度超過了所設(shè)閾值，則認定發(fā)生了動作，反之，則沒有發(fā)生動作。