[논문 리뷰] Environment and Person Independent Activity Recognition with a Commodity IEEE 802.11ac Access Point.

Francesca Meneghello, Domenico Garlisi외 3명|arXiv (Cornell University)|2021. 03. 17.

Indoor and Outdoor Localization Technologies참고 문헌 43인용 수 5

한 줄 요약

이 논문은 일반적인 IEEE 802.11ac WiFi 액세스 포인트를 사용하여 주제 및 환경에 관계없이 인간 활동 인식 시스템을 제안한다. 채널 주파수 응답에서 도플러 이동을 추출하고 분석함으로써, 새로운 사람, 새로운 날, 새로운 환경에서 활동을 인식하는 데 평균 95% 이상의 정확도를 달성하며, 도플러 기반 특징에 기반한 신경망 학습을 통해 이를 실현한다.

ABSTRACT

Here, we propose an original approach for human activity recognition (HAR) with commercial IEEE 802.11ac (WiFi) devices, which generalizes across different persons, days and environments. To achieve this, we devise a technique to extract, clean and process the received phases from the channel frequency response (CFR) of the WiFi channel, obtaining an estimate of the Doppler shift at the receiver of the communication link. The Doppler shift reveals the presence of moving scatterers in the environment, while not being affected by (environment specific) static objects. The proposed HAR framework is trained on data collected as a person performs four different activities and is tested on unseen setups, to assess its performance as the person, the day and/or the environment change with respect to those considered at training time. In the worst case scenario, the proposed HAR technique reaches an average accuracy higher than 95%, validating the effectiveness of the extracted Doppler information, used in conjunction with a learning algorithm based on a neural network, in recognizing human activities in a subject and environment independent fashion.

연구 동기 및 목표

• 기성 WiFi 하드웨어를 사용하여 다른 개인, 날짜, 환경 간에 일반화되는 인간 활동 인식(HAR)을 가능하게 하기.
• 기존 HAR 시스템이 새로운 대상자나 환경에서 테스트될 경우 상당히 성능이 떨어지는 문제를 해결하기.
• 인간 운동을 감지하기 위한 강건하고 환경에 영향을 받지 않는 특징으로서 채널 주파수 응답의 도플러 이동을 활용하기.
• 원시 WiFi 위상 측정값에서 유의미한 도플러 정보를 정제하고 추출하는 처리 파이프라인 개발하기.
• 도플러 특징에 기반한 신경망을 훈련시켜 실제 세계에서 새로운 배치 환경에서 높은 정확도를 달성하기.

제안 방법

• 수신기에서 IEEE 802.11ac 신호의 위상 정보로부터 채널 주파수 응답을 추출하기.
• CFR 내 원시 위상 측정값에서 노이즈와 간섭을 제거하기 위해 정제 및 전처리 기법 적용하기.
• 시간에 따라 변화하는 CFR 위상에서 도플러 이동을 계산하여 움직이는 산란체의 반경 속도를 반영하기.
• 도플러 이동을 신경망 분류기의 주요 특징 입력으로 사용하여 활동 인식하기.
• 단일 인물이 제어된 조건에서 네 가지 다른 활동을 수행하는 데이터를 기반으로 신경망 훈련하기.
• 다른 사람, 다른 날, 다른 환경에서 수집된 테스트 데이터를 사용하여 일반화 능력을 평가하기.

실험 결과

연구 질문

• RQ1 기성 802.11ac WiFi 신호에서 추출한 도플러 이동이 다양한 개인 간에 인간 운동을 신뢰성 있게 감지할 수 있는가?
• RQ2 기존 방법과 비교해 볼 때 제안된 HAR 시스템은 새로운 환경과 날짜에 얼마나 잘 일반화되는가?
• RQ3 기존 HAR 시스템에 영향을 주는 정적 환경 변화에 대해 도플러 기반 특징 세트는 어느 정도 강건한가?
• RQ4 훈련 중에 볼 수 없었던 새로운 대상자와 새로운 배치 설정에서 시스템의 성능은 어떠한가?

주요 결과

• 제안된 HAR 시스템은 훈련 중에 사람과 환경이 모두 새로운 최악의 경우에서도 평균 95% 이상의 정확도를 달성한다.
• 채널 주파수 응답에서 추출한 도플러 이동은 정적 환경 물체에 영향을 받지 않아 HAR에 안정적인 특징을 제공한다.
• 이 방법은 다양한 개인, 날짜, 환경 간에 효과적으로 일반화되며, 환경에 특화된 校정이 필요한 기존 방법보다 뛰어난 성능을 보인다.
• 도플러 특징에 기반한 신경망 사용은 새로운 대상자나 설정에 대해 재훈련이 필요 없이 높은 인식 정확도를 달성한다.
• 훈련 설정과 테스트 설정이 크게 다를 경우에도 시스템은 높은 성능을 유지하며 강력한 일반화 능력을 보여준다.