[論文レビュー] We Can "See" You via Wi-Fi - WiFi Action Recognition via Vision-based Methods

Jen-Yin Chang, Kuan-Ying Lee+3 more|arXiv (Cornell University)|Aug 19, 2016

Indoor and Outdoor Localization Technologies参考文献 4被引用数 3

ひとこと要約

この論文は、チャネル状態情報（CSI）をテクスチャに類似した画像として扱うことで、視覚ベースのWi-Fi行動認識およびユーザー識別フレームワークを提案する。特異値分解（SVD）を用いたノイズ除去により、場所依存の干渉を低減し、クロス環境での行動認識で90％を超える正確性を達成した。また、歩行に基づく識別についても有望な結果を示したが、距離によるわずかな性能変動が見られた。

ABSTRACT

Recently, Wi-Fi has caught tremendous attention for its ubiquity, and, motivated by Wi-Fi's low cost and privacy preservation, researchers have been putting lots of investigation into its potential on action recognition and even person identification. In this paper, we offer an comprehensive overview on these two topics in Wi-Fi. Also, through looking at these two topics from an unprecedented perspective, we could achieve generality instead of designing specific ad-hoc features for each scenario. Observing the great resemblance of Channel State Information (CSI, a fine-grained information captured from the received Wi-Fi signal) to texture, we proposed a brand-new framework based on computer vision methods. To minimize the effect of location dependency embedded in CSI, we propose a novel de-noising method based on Singular Value Decomposition (SVD) to eliminate the background energy and effectively extract the channel information of signals reflected by human bodies. From the experiments conducted, we demonstrate the feasibility and efficacy of the proposed methods. Also, we conclude factors that would affect the performance and highlight a few promising issues that require further deliberation.

研究の動機と目的

• CSIを画像に類似したデータとして扱う視覚ベースの一般的なアプローチを、Wi-Fi行動認識およびユーザー識別に適用する。
• CSIにおける場所依存性がクロス環境性能を低下させるという課題に対処する。
• 商用Wi-Fiアクセスポイントを用いて、デバイスフリーかつプライバシー保護型の人体活動認識を実現する。
• 深層学習フレームワークをCSI変換画像に適用し、行動認識および人物識別の両方の可能性を調査する。
• 認識正確性に影響を与える主な環境的・物理的要因を特定し、今後の研究における未解決問題を明らかにする。

提案手法

• 振幅と位相を空間的強度値として扱い、原始的なCSIデータを画像に類似した表現に変換する。
• 特異値分解（SVD）を用いてCSI行列を分解し、背景エネルギーおよび環境特有の成分を除去することで、場所依存性を低減する。
• 視覚ベースの深層学習フレームワーク（例：畳み込みニューラルネットワーク）を用いて、ノイズ除去済みのCSI画像から行動を分類し、人物を識別する。
• 衣類、アクセサリー、サンプリングレートの変更を用いたデータ拡張を実装し、耐性をテストする。
• 評価のため10分割交差検証を実施し、複数の部屋および状況で標準化されたデータセットを用いる。
• 今後の研究で信号のパワー分布を正規化することで、距離による性能差を改善する。

実験結果

リサーチクエスチョン

• RQ1 CSIを効果的にテクスチャに類似した画像として扱うことで、視覚ベースの行動認識が可能になるか？
• RQ2 CSIにおける場所依存性がクロス環境認識性能に与える影響は何か？ また、これを軽減できるか？
• RQ3 距離、サンプリングレート、衣類の変化が、行動認識および識別の正確性にどの程度影響を与えるか？
• RQ4 同じ視覚ベースのフレームワークを、行動認識およびユーザー識別の両方の目的に使用することが可能か？
• RQ5 性能を低下させる主な環境的・物理的要因は何か？ それらに対処する方法は何か？

主な発見

• SVDに基づくノイズ除去法により、CSIから環境特有の成分が効果的に除去され、クロス環境での行動認識が90％を超える正確性で達成された。
• 異なる部屋および距離でのテストでは行動認識正確性が89.17％に低下したが、すべての行動で85％以上を維持した。
• 元のデータセット（1人あたり10回の歩行）を用いた部屋内行動認識では97.5％の正確性を達成した。
• 衣類やアクセサリーの変更に対しても識別性能は安定しており、バックパックを装着した120件の追加サンプルでも86.25％の正確性を示した。
• 距離が唯一顕著に性能に影響を与えた要因であり、6mでは正確性が89.17％に低下したが、サンプリングレートや衣類の変更はほとんど影響を及ぼさなかった。
• 予備的な結果から、このフレームワークは歩行に基づく識別に実用的である可能性があるが、トレーニンググループ外の人物を検出するのには課題があり、長期的な行動変化への適応も未解決の課題である。