[論文レビュー] FreeSense:Indoor Human Identification with WiFi Signals

Xin Tong, Bin Guo+3 more|arXiv (Cornell University)|Aug 11, 2016

Indoor and Outdoor Localization Technologies参考文献 15被引用数 5

ひとこと要約

FreeSenseは、個々の身体的特徴や動きが影響を与えるチャネル状態情報（CSI）パターンを分析することで、WiFi信号を用いた非侵襲的で室内の人間同定システムを提案する。CSI時間系列に主成分分析（PCA）、離散ウェーブレット変換（DWT）、動的時間ワープング（DTW）を組み合わせ、6m×5mのスマートホーム環境で9名のユーザーを対象に88.9%から94.5%の精度を達成し、専用ハードウェアを必要とせずプライバシーを守る同定が可能であることを示した。

ABSTRACT

Human identification plays an important role in human-computer interaction. There have been numerous methods proposed for human identification (e.g., face recognition, gait recognition, fingerprint identification, etc.). While these methods could be very useful under different conditions, they also suffer from certain shortcomings (e.g., user privacy, sensing coverage range). In this paper, we propose a novel approach for human identification, which leverages WIFI signals to enable non-intrusive human identification in domestic environments. It is based on the observation that each person has specific influence patterns to the surrounding WIFI signal while moving indoors, regarding their body shape characteristics and motion patterns. The influence can be captured by the Channel State Information (CSI) time series of WIFI. Specifically, a combination of Principal Component Analysis (PCA), Discrete Wavelet Transform (DWT) and Dynamic Time Warping (DTW) techniques is used for CSI waveform-based human identification. We implemented the system in a 6m*5m smart home environment and recruited 9 users for data collection and evaluation. Experimental results indicate that the identification accuracy is about 88.9% to 94.5% when the candidate user set changes from 6 to 2, showing that the proposed human identification method is effective in domestic environments.

研究の動機と目的

• 既存のWiFiインfraストラクチャを用いて、住宅環境における非侵襲的で人間同定を可能にする。
• 顔認識や指紋認識といった従来のバイオメトリクス手法のプライバシーとカバレッジの制限を解決する。
• 身体的特徴や動きによって引き起こされる、WiFi信号の個別に特徴的な歪みを同定に活用する。
• ユーザーの協力や専用センサーを必要としない低コストでスケーラブルなソリューションを開発する。
• 複数名のユーザーと動的な動きを伴う実世界の屋内環境で、手法の有効性を検証する。

提案手法

• 屋内環境でユーザーが移動する際、市販のWiFiデバイスからCSI時間系列を収集する。
• 次元削減と主要な信号特徴の抽出のため、主成分分析（PCA）を適用する。
• ノイズ低減と特徴抽出のため、CSI信号を多スケール成分に分解するために離散ウェーブレット変換（DWT）を用いる。
• 移動速度の違いを考慮して、個々のCSI波形の時間的パターンを比較するため、動的時間ワープング（DTW）を採用する。
• PCA、DWT、DTWをパイプラインで組み合わせ、身体的特徴と動きによる個別に特徴的な信号歪みをモデル化する。
• 最終的な特徴表現に対してk-NN分類器を用いてユーザー同定を実行する。

実験結果

リサーチクエスチョン

• RQ1 追加のセンサーを用いずに、環境に存在するWiFi信号のみで個々の人物を同定できるか？
• RQ2 身体的特徴と動きのパターンは、屋内環境におけるWiFiのCSIにどのように特徴的に影響を与えるか？
• RQ3 PCA、DWT、DTWを併用することで、生のCSIデータからの同定精度がどの程度向上するか？
• RQ4 実際のスマートホーム環境において、候補ユーザー数の増加に伴い同定性能はどのように変化するか？
• RQ5 動的なユーザーの動きを伴う現実世界の条件下でも、システムは高い精度を維持できるか？

主な発見

• 6m×5mのスマートホーム環境で2名のユーザーを区別する際、同定精度が94.5%に達した。
• 候補ユーザー数が6名に増加しても、精度が88.9%に保たれ、大規模なユーザー集団に対しても耐性があることが示された。
• PCA、DWT、DTWの組み合わせにより、生のCSIデータに対するベースライン手法と比較して、同定性能が顕著に向上した。
• 本手法は、身体的特徴と動きによって引き起こされる個別に特徴的な信号歪みを効果的に捉え、信頼性の高い同定を可能にした。
• ユーザーの協力や専用ハードウェアを一切必要とせず、市販のWiFiデバイスのみに依存して動作する。
• 結果から、既存のWiFiインfraストラクチャを活用した、プライバシーを守る住宅環境における人間同定の実現可能性が示された。