[論文レビュー] RTI Goes Wild: Radio Tomographic Imaging for Outdoor People Detection and Localization

Cesare Alippi, Maurizio Bocca+3 more|arXiv (Cornell University)|Jul 30, 2014

Indoor and Outdoor Localization Technologies被引用数 5

ひとこと要約

本論文は、風、雨、木々の葉などの環境ノイズを低減する、屋外の人々の検出および局所化に向けたエネルギー効率的で適応型のラジオトモグラフィックイメージング（RTI）システムを提案する。動的リンクチャネルペア選択とバックグラウンド差分法を適用することで、屋内RTI手法と比較して誤検出率を95％低減し、エネルギー消費量を最大87％削減し、森林環境下でも10m未満の局所化誤差を達成した。

ABSTRACT

RF sensor networks are used to localize people indoor without requiring them to wear invasive electronic devices. These wireless mesh networks, formed by low-power radio transceivers, continuously measure the received signal strength (RSS) of the links. Radio Tomographic Imaging (RTI) is a technique that generates 2D images of the change in the electromagnetic field inside the area covered by the radio transceivers to spot the presence and movements of animates (e.g., people, large animals) or large metallic objects (e.g., cars). Here, we present a RTI system for localizing and tracking people outdoors. Differently than in indoor environments where the RSS does not change significantly with time unless people are found in the monitored area, the outdoor RSS signal is time-variant, e.g., due to rainfalls or wind-driven foliage. We present a novel outdoor RTI method that, despite the nonstationary noise introduced in the RSS data by the environment, achieves high localization accuracy and dramatically reduces the energy consumption of the sensing units. Experimental results demonstrate that the system accurately detects and tracks a person in real-time in a large forested area under varying environmental conditions, significantly reducing false positives, localization error and energy consumption compared to state-of-the-art RTI methods.

研究の動機と目的

• 屋外RFセンサーネットワークにおける非定常的環境ノイズがRTI性能を低下させることに起因する課題に対処すること。
• 木々で覆われた複雑な屋外環境、特に森林地帯において、機器を装着しないリアルタイムな人の局所化を可能にすること。
• 適応的ダーティサイクルと知的なリンク選択を用いて、バッテリー駆動のRTIシステムにおけるエネルギー消費量を低減すること。
• 初期キャリブレーションに依存しない方法を開発し、時間変動するRSSの変動に強いものとすること。
• 従来のRTI手法が失敗する厳しい屋外条件下でも、局所化精度を向上させ、誤検出を低減すること。

提案手法

• 環境ノイズとリンクフェイドレベル（理論値からのRSS差）の関係を特徴づけることで、安定したリンクチャネルペアを特定する。
• 人の存在と相関する一貫した信号変動を示すリンクチャネルペアのみを選択し、ノイズが多いまたは不安定なリンクをフィルタリングする。
• バックグラウンド差分アルゴリズムを適用して、風、雨、葉の揺れによって引き起こされるRSSの誤った変化を除去し、動き検出の耐障害性を向上させる。
• 各リンクチャネルペアの動的基準RSSレベルを推定するために、適応的時間窓（Tw）とバックグラウンド学習期間（Tb）を用いる。
• 各リンクの影響範囲を定義するため、パラメータλを用いた楕円型感度モデルを採用し、局所化精度を向上させる。
• 環境状態に応じてサンプリング周波数を動的に調整することで、エネルギー効率を最適化する。

実験結果

リサーチクエスチョン

• RQ1 屋外環境における風による木の葉の揺れや降雨といった時間変動する環境ノイズに対して、RTIシステムをどのようにして耐性を持たせられるか。
• RQ2 初期キャリブレーションが安定しない状況下で、屋外RTIに適した信頼性の高いリンクチャネルペアを選択する基準は何か。
• RQ3 バックグラウンド差分法は、非定常的で変動しやすい屋外RSS環境下で、どのように局所化精度を向上させるか。
• RQ4 検出性能や局所化性能を損なわせることなく、屋外RTIシステムにおけるエネルギー消費量をどの程度まで低減できるか。
• RQ5 時間窓長（Tw）、バックグラウンド学習期間（Tb）、感度楕円幅（λ）といった主要パラメータの変動に対して、提案手法はどの程度感度を示すか。

主な発見

• 提案された屋外RTI手法（OUT+）は、誤検出率を0.04％まで低減し、最先端の屋内RTI手法（0.92–1.19％）と比較して95％の改善を達成した。
• 適応型屋内RTI手法と比較して、局所化誤差は46％低減され、森林環境下での平均誤差（em）は10m未満に抑えられた。
• 既存のRTI手法と比較して、エネルギー消費量は62％～87％削減され、遠隔配置におけるバッテリー寿命が著しく延長された。
• 本手法はパラメータの変動に強く、λ、Tw、Tbのテスト値範囲において、局所化誤差の平均値と標準偏差が12％以内に収束した。
• バックグラウンド差分法により、ラジオトモグラフィック画像における誤ったボイド（ブロブ）の形成が低減され、環境由来のRSS変動が引き起こす高偏差誤差（10m以上）を防止した。
• 本システムは、天候が変化する中でも、広大で森林に覆われた屋外領域において、リアルタイムでの人の検出と追跡を実現し、実用的実現可能性を示した。