[論文レビュー] A new PIR-based method for real-time tracking

Tianye Yang, Xuefeng Liu+3 more|arXiv (Cornell University)|Jan 30, 2019

Indoor and Outdoor Localization Technologies参考文献 18被引用数 4

ひとこと要約

本論文は、生のPIRセンサデータから方位角の変化——センサの方向性応答に由来する物理層特徴——を抽出することで、大規模なトレーニングデータや高密度なセンサ配置を必要とせずに、高精度なリアルタイム追跡を実現する、新規なPIRベースのデバイスフリー局所化手法を提案する。この手法は、4つのPIRセンサのみを用いても、最先端の手法に比べて最大50%高い精度を達成する。

ABSTRACT

Pyroelectric infrared (PIR) sensors are considered to be promising devices for device-free localization due to its advantages of low cost, less intrusive, and the immunity from multi-path fading. However, most of the existing PIR-based localization systems only utilize the binary information of PIR sensors and therefore require a large number of PIR sensors and a careful deployment. A few works directly map the raw data of PIR sensors to one's location using machine learning approaches. However, these approaches require to collect abundant training data and suffer from environmental change. In this paper, we propose a PIR-based device-free localization approach based on the raw data of PIR sensors. The key of this approach is to extract a new type of location information called as the azimuth change. The extraction of the azimuth change relies on the physical properties of PIR sensors. Therefore, no abundant training data are needed and the system is robust to environmental change. Through experiments, we demonstrated that a device-free localization system incorporating the information of azimuth change outperforms the state-of-the-art approaches in terms of higher location accuracy. In addition, the information of the azimuth change can be easily integrated with other PIR-based localization systems to improve their localization accuracy.

研究の動機と目的

• 2値PIRベースの局所化システムの限界——高密度なセンサ配置を要し、粒度が低い——を解消すること。
• データ駆動型PIR局所化アプローチにおける大規模トレーニングデータへの依存を低減すること。
• 学習されたパターンではなく、PIRセンサの物理的特性を活用することで、環境変化に対する耐性を高めること。
• 生のPIR出力から導出される新しい位置特徴——方位角変化——を導入し、局所化精度を向上させること。
• 最小限のPIRセンサで実現可能な実用的で低コストかつプライバシー保護型のリアルタイム追跡を可能とすること。

提案手法

• 本手法は、複数のPIRセンサにおける出力の時間的変動を分析することで、生のPIR電圧信号から方位角変化を抽出する。
• PIRセンサおよびフレネルレンズアレイの物理的挙動をモデル化し、移動する人物からの赤外線の入射角（AoA）の変化を推定する。
• 方位角変化は、2つの連続する位置における人物の各PIRセンサに対する推定方向の絶対差として計算される。
• 粒子フィルタを用いて、時間的に方位角変化推定値を統合し、頑健な軌道推定を実現する。
• 方位角変化と人物およびPIRセンサ間の物理的距離の関係を、余弦定理に基づく幾何モデルで定式化する。
• ブラックボックス学習を避けるために、データ駆動型トレーニングではなく物理モデルに依存する。

実験結果

リサーチクエスチョン

• RQ1 生のPIRセンサデータから、トレーニングデータを必要とせず、局所化精度を向上させる物理層特徴——方位角変化——を抽出できるか？
• RQ2 提案手法による方位角変化推定は、既存のデータ駆動型手法と比較して、精度および環境変化への耐性においてどのように優れているか？
• RQ3 最小限のPIRセンサ数（例：4つ）で、方位角変化を用いて高精度な局所化を達成できる範囲はどの程度か？
• RQ4 方位角変化が単体または2値信号と組み合わせて用いられることで、リアルタイムでの追跡性能がどのように向上するか？
• RQ5 静的または動的な熱源が存在する条件下でも、本システムの性能はどの程度維持されるか？

主な発見

• 提案システムは2つの実験的シナリオで、それぞれ0.54および0.78の精度率を達成し、最先端手法に比べて約50%の改善を示した。
• 8つのPIRセンサを用いるデータ駆動型手法と比較して、4つのPIRセンサのみでさえも、本システムは優れた性能を発揮した。
• ラベル付きトレーニングデータを一切必要としないため、環境変化に強く、新しい環境への容易な展開が可能である。
• 人物がPIRセンサに非常に近い距離にいる場合を除き、方位角変化推定は最も高精度である。非常に短い距離では精度が低下する。
• 本手法は、既存のPIRベースのシステムに統合可能な強力な潜在的価値を示しており、その局所化精度を向上させる可能性を秘めている。
• 環境ノイズ、特に静的または動的な熱源からの影響に対して感度が高いことが判明したため、今後の研究では動的しきい値設定の導入が望ましい。