摘要:
人体行为识别广泛存在于运动管理、行为分类等应用中,当前的人体行为识别应用主要分为基于摄像机、基于可穿戴设备和基于Wi-Fi感知3类。其中,基于摄像机的人体行为识别应用存在隐私泄露的风险,基于可穿戴设备的人体行为识别应用存在续航短、精度差等问题。基于Wi-Fi感知的人体行为识别一般通过Wi-Fi网卡或软件无线电设备识别信道状态信息变化的规律,从而推测用户行为,不存在隐私泄露和续航短的问题,但Wi-Fi网卡需要依靠计算机且软件无线电平台价格昂贵,极大地限制了Wi-Fi感知的应用场景。针对上述问题,提出了一种基于低成本物联网芯片 ESP32 的人体行为识别系统。具体地,所提系统首先使用 Hampel 滤波器和高斯滤波器对ESP32获得的信道状态信息进行预处理,然后使用主成分分析和离散小波变换降低数据的维度,最后通过K最近邻(KNN, K-nearest neighbor)算法对数据进行分类。实验结果表明该系统在仅使用两个ESP32节点的情况下,可以达到与当前主流Wi-Fi感知系统(Intel 5300网卡)相近的识别准确率,6种行为的平均准确率为98.6%。
关键词: 人体行为识别 ; 信道状态信息 ; KNN ; 离散小波变换 ; 动态时间规整
0 引言
近年来,人体行为识别(HAR, human activity recognition)已经应用于生活的方方面面。例如,HAR 可以通过摄像机监测人体是否摔倒来保证老人居家的安全,也可以通过摄像机对房屋内或房屋周边的人体行为进行识别,智能地判断出有危害的行为并通知房屋主人,能够保证人的生命以及财产安全。
人体行为识别主要分为基于摄像机、基于可穿戴设备和基于Wi-Fi感知3类应用。第一类应用通过摄像机采集图像数据,然后使用目标分割从图像中分离出人体&#