[논문 리뷰] FreeSense:Indoor Human Identification with WiFi Signals

Xin Tong, Bin Guo외 3명|arXiv (Cornell University)|2016. 08. 11.

Indoor and Outdoor Localization Technologies참고 문헌 15인용 수 5

한 줄 요약

FreeSense는 개인의 체형과 운동 방식에 의해 영향을 받는 고유한 채널 상태 정보(CSI) 패턴을 분석하여, 기존 WiFi 인프라를 활용해 비침습적인 실내 인간 식별 시스템을 제안한다. CSI 시계열 데이터에 주성분 분석(PCA), 이산 웨이블릿 변환(DWT), 동적 시간 워핑(DTW)을 적용하여 6m×5m 스마트 홈 환경에서 9명의 사용자 대상으로 88.9%에서 94.5%의 정확도를 달성하였으며, 전용 하드웨어 없이도 효과적인 개인정보 보호 식별이 가능함을 입증하였다.

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.

연구 동기 및 목표

• 기존 WiFi 인프라를 활용해 가정 환경에서 침입 없이 인간 식별을 가능하게 하기 위해.
• 얼굴 또는 지문 인식과 같은 기존 생체 인식 방법의 개인정보 유출 및 커버리지 제한 문제를 해결하기 위해.
• 체형과 운동 패턴에 의해 유도되는 개인별 고유의 WiFi 신호 왜곡을 활용해 식별을 수행하기 위해.
• 사용자 협조나 전용 센서 없이도 저비용으로 확장 가능한 솔루션을 개발하기 위해.
• 다양한 사용자와 동적인 움직임이 있는 실제 실내 환경에서 방법의 타당성을 검증하기 위해.

제안 방법

• 실내 환경에서 사용자가 이동할 때 오프더쇼프 WiFi 장치로부터 CSI 시계열 데이터를 캡처한다.
• 차원 감소 및 주요 신호 특징 추출을 위해 주성분 분석(PCA)을 적용한다.
• 노이즈 감소 및 특징 추출을 위해 CSI 신호를 다중 해상도 성분으로 분해하기 위해 이산 웨이블릿 변환(DWT)을 사용한다.
• 운동 속도의 변동을 고려해 개인 간 CSI 파형의 시간 패턴을 비교하기 위해 동적 시간 워핑(DTW)을 활용한다.
• PCA, DWT, DTW를 파ip라인으로 조합하여 개인별 고유의 신호 왜곡을 체형 및 운동 특성에서 모델링한다.
• 사용자 식별을 위해 최종 특징 표현에 k-NN 분류기를 사용한다.

실험 결과

연구 질문

• RQ1 추가 센서 없이도 환경에 존재하는 WiFi 신호만으로 개인 식별이 가능한가?
• RQ2 체형과 운동 패턴이 실내 환경에서 WiFi CSI에 어떻게 고유하게 영향을 미치는가?
• RQ3 PCA, DWT, DTW가 원시 CSI 데이터에서 식별 정확도를 향상시키는 데 얼마나 기여하는가?
• RQ4 실제 스마트 홈 환경에서 후보 사용자 수가 증가할수록 식별 성능는 어떻게 변하는가?
• RQ5 동적인 사용자 움직임이 있는 실제 환경 조건에서도 시스템이 높은 정확도를 유지할 수 있는가?

주요 결과

• 6m×5m 스마트 홈 환경에서 2명의 사용자를 식별할 때 시스템은 94.5%의 정확도를 달성하였다.
• 후보 사용자 수가 6명으로 증가하더라도 정확도가 88.9%로 유지되어 더 큰 인구 집단에 대한 강건성을 보였다.
• PCA, DWT, DTW의 조합은 원시 CSI 데이터에서의 기준 방법 대비 식별 성능을 크게 향상시켰다.
• 이 방법은 체형과 운동에 의해 유도되는 개인별 고유의 신호 왜곡을 성공적으로 포착하여 신뢰할 수 있는 식별을 가능하게 하였다.
• 시스템은 사용자 협조나 전용 하드웨어 없이도 단지 일반 소비자용 WiFi 장치에 의존하여 작동한다.
• 결과는 기존 WiFi 인프라를 활용해 가정 환경에서 개인정보 보호 기능을 갖춘 인간 식별이 가능하다는 것을 입증한다.