基于连续图像深度学习的Wi-Fi人体行为识别方法

摘要

针对基于深度学习的Wi-Fi人体行为识别技术存在抗噪声能力弱、信号尺寸不兼容和特征提取不充分等问题,提出了一种基于连续图像深度学习的识别方法.首先把时变Wi-Fi信号重构为若干个连续图像帧,确保输入尺寸一致;进而设计低秩分解算法,对噪声湮没的关键运动信息进行分离;同时提出一种时间域和空间域信息融合的深度模型,自动捕捉变长图像序列的时空域特征,并在WiAR数据集和自主采集数据集上对所提方法进行验证.实验结果表明,所提方法平均识别精度分别为0.94和0.96,具备普适场景下的高精度和稳健性.