Wi-Do:WiFi信号下的高鲁棒人员动作感知模型

摘要

人机交互是物联网迈向智能化的重要途径,而人体动作识别已成为智能环境实现的关键环节.由于WiFi具有良好的用户体验和极高的普适性以及低廉的部署成本,基于WiFi的人体运动识别技术从众多交互技术中脱颖而出,已在智能安防、运动保健、老年活跃检测等领域展现了巨大的应用价值.现有的WiFi动作识别工作中,动作识别受人体的运动方向影响严重,为了确保识别精度往往需要固定动作方向,这种方向依赖性对基于WiFi的动作识别技术造成了极大的阻碍.为了克服这一限制,提出一种方向无关的动作识别模型.该模型利用天线分集消除随机的相位偏移,将人体运动在频域上造成的多普勒频移与快速傅里叶变换值作为识别特征,并引入注意力机制的双向GRU(gate recurrent unit)来对运动进行分类识别.该模型将空间特征集成到时间模型中,提升了无线信号对人体动作识别的鲁棒性与准确性.在典型室内环境下的实验结果显示了优越的性能与93%的准确率,验证了该模型优于之前的识别模型.