[論文レビュー] Spot: An accurate and efficient multi-entity device-free WLAN localization system

Ibrahim Sabek, Moustafa Youssef|arXiv (Cornell University)|Jul 18, 2012

Indoor and Outdoor Localization Technologies参考文献 1被引用数 9

ひとこと要約

Spotは、条件付きランダムフィールドとマルコフモデルを組み合わせた確率的エネルギー最小化フレームワークを提案し、正確で効率的かつスケーラブルなマルチエントリティデバイスフリーWLANローカライゼーションを実現する。新規のクロスキャリブレーション技術を導入し、エネルギー関数をバイナリーグラフカット問題にマッピングすることで、Spotは1.1m未塔の中央追跡誤差と、エントリティ数の100％の正確な推定を達成し、最先端の単一エントリティシステムよりも中央誤差で最低36％の改善を達成した。

ABSTRACT

Device-free (DF) localization in WLANs has been introduced as a value-added service that allows tracking indoor entities that do not carry any devices. Previous work in DF WLAN localization focused on the tracking of a single entity due to the intractability of the multi-entity tracking problem whose complexity grows exponentially with the number of humans being tracked. In this paper, we introduce Spot as an accurate and efficient system for multi-entity DF detection and tracking. Spot is based on a probabilistic energy minimization framework that combines a conditional random field with a Markov model to capture the temporal and spatial relations between the entities' poses. A novel cross-calibration technique is introduced to reduce the calibration overhead of multiple entities to linear, regardless of the number of humans being tracked. This also helps in increasing the system accuracy. We design the energy minimization function with the goal of being efficiently solved in mind. We show that the designed function can be mapped to a binary graph-cut problem whose solution has a linear complexity on average and a third order polynomial in the worst case. We further employ clustering on the estimated location candidates to reduce outliers and obtain more accurate tracking. Experimental evaluation in two typical testbeds, with a side-by-side comparison with the state-of-the-art, shows that Spot can achieve a multi-entity tracking accuracy of less than 1.1m. This corresponds to at least 36% enhancement in median distance error over the state-of-the-art DF localization systems, which can only track a single entity. In addition, Spot can estimate the number of entities correctly to within one difference error. This highlights that Spot achieves its goals of having an accurate and efficient software-only DF tracking solution of multiple entities in indoor environments.

研究の動機と目的

• WLANにおけるマルチエントリティデバイスフリー（DF）ローカライゼーションの扱いが困難な複雑さに対処し、これまでのところ単一エントリティ追跡に限定されていたシステムの限界を克服すること。
• 場所数に応じて指数関数的に増加するエントリティ数の増加に伴うキャリブレーションオーバーヘッドを、場所数に比例する線形成長に削減すること。
• エントリティ追跡における空間的・時間的整合性を保持するエネルギー最小化フレームワークを設計すること。
• 標準のWiFiインfraストラクチャのみを用いて、複数のDFエントリティの数と位置を正確に推定できること。

提案手法

• 空間的・時間的依存関係をモデル化するため、条件付きランダムフィールドとマルコフモデルを用いて、マルチエントリティDFローカライゼーションを確率的エネルギー最小化問題として定式化する。
• エントリティ数に依存せず、場所数に比例して線形に増加するキャリブレーション複雑度を実現する、新規のクロスキャリブレーション技術を導入する。
• エネルギー最小化関数をバイナリーグラフカット問題にマッピングし、平均線形および最悪ケースで立方時間の複雑度を達成する効率的な解法を可能にする。
• 外れ値を低減し、連続空間における追跡精度を向上させるために、推定された位置候補に対してクラスタリングを適用する。
• 標準のWiFiアクセスポイントおよびモニタリングポイントからのフィンガープrintベースのRSS測定値を用いて、人の存在を検出するとともに、位置を推定する。
• 履歴に基づくモデルを採用し、時間的滑らかさを強制し、クラスタの合体・分裂イベントを検出することで、エントリティ数推定の精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 WLANにおけるマルチエントリティデバイスフリーローカライゼーションは、計算的に実行可能でありながら高い正確性を維持できるか？
• RQ2 複数エントリティのキャリブレーションオーバーヘッドを指数的成長から線形成長に削減できるか？
• RQ3 空間的・時間的統合モデルフレームワークは、デバイスフリーローカライゼーションにおける追跡の一貫性と正確性を向上させられるか？
• RQ4 ソフトウェアオンリーのWiFiベースシステムは、ハードウェア依存型または単一エントリティシステムに比べて、マルチピープルトラッキングにおいてどの程度優れているか？
• RQ5 事前知識なしにリアルタイムで、エントリティ数をどの程度正確に推定できるか？

主な発見

• Spotは2つの実環境テストベッドにおいて、1.1m未塔の中央追跡誤差を達成し、最先端の単一エントリティシステムよりも36％の改善を示した。
• エントリティ数の増加に伴うキャリブレーションオーバーヘッドを線形複雑度に削減し、マルチエントリティ追跡の実現可能性とスケーラビリティを高めた。
• エントリティ数の推定は、1人分の誤差以内で100％の正確性を達成し、エントリティ数のカウントにおける強靭性を示した。
• エネルギー最小化フレームワークは、バイナリーグラフカットを介して効率的に解けることが確認され、平均線形および最悪ケースで立方時間の複雑度を有する。
• 位置候補のクラスタリングは、外れ値を効果的に低減し、連続空間における追跡精度を向上させた。
• 特別なハードウェアを必要とせず、標準のWiFiインfraストラクチャとソフトウェア処理に依存するだけで、高い正確性を維持した。