[논문 리뷰] Spot: An accurate and efficient multi-entity device-free WLAN localization system

Ibrahim Sabek, Moustafa Youssef|arXiv (Cornell University)|2012. 07. 18.

Indoor and Outdoor Localization Technologies참고 문헌 1인용 수 9

한 줄 요약

Spot는 조건부 랜덤 필드와 마르코프 모델을 조합한 확률적 에너지 최소화 프레임워크를 제안하여 정확하고 효율적이며 확장 가능한 다중 엔티티 장치 없음 WLAN 국소화를 가능하게 한다. 새로운 크로스 캘리브레이션 기법을 도입하고 에너지 함수를 이진 그래프 컷 문제로 매핑함으로써 Spot는 중앙값 추적 오차가 1.1m 미만이며, 엔티티 수 추정 정확도가 100%에 이르며, 기존 최고 수준의 단일 엔티티 시스템 대비 최소 36% 이상의 중앙값 오차 향상을 달성한다.

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.

연구 동기 및 목표

• WLAN에서 다중 엔티티 장치 없음(DF) 국소화의 비가역적 복잡성을 해결하기 위해, 이로 인해 기존 시스템들이 단일 엔티티 추적에 국한되어 왔다.
• 위치 수에 비례하여 지수적 성장에서 선형 성장으로 다중 엔티티에 대한 캘리브레이션 오버헤드를 감소시키기 위해.
• 공간적 및 시간적 일관성을 유지하는 엔티티 추적을 위한 에너지 최소화 프레임워크를 설계하기 위해.
• 기존 WiFi 인fra구조를 유일한 자원으로 사용하여 다중 DF 엔티티의 수와 위치를 정확하게 추정하기 위해.

제안 방법

• 공간적 및 시간적 의존성을 모델링하기 위해 조건부 랜덤 필드와 마르코프 모델을 사용하여 다중 엔티티 DF 국소화 문제를 확률적 에너지 최소화 문제로 공식화한다.
• 위치 수에 비례하여 선형 성장하는 캘리브레이션 복잡도를 갖는 새로운 크로스 캘리브레이션 기법을 도입한다. 이는 추적 대상 엔티티 수에 관계없이 적용된다.
• 에너지 최소화 함수를 이진 그래프 컷 문제로 매핑함으로써 평균 선형 및 최악의 경우 세제곱 복잡도로 효율적인 해법을 가능하게 한다.
• 이상치를 억제하고 연속 공간 내 추적 정확도를 향상시키기 위해 추정된 위치 후보에 클러스터링을 적용한다.
• 표준 WiFi 액세스 포인트와 모니터링 포인트의 지문 기반 RSS 측정치를 사용하여 인간 존재를 감지하고 위치를 추론한다.
• 기록 기반 모델을 활용하여 시간적 매끄러움을 강제하고 클러스터 병합/분할 이벤트를 탐지함으로써 엔티티 수 추정을 향상시킨다.

실험 결과

연구 질문

• RQ1 WLAN에서 다중 엔티티 장치 없음 국소화는 계산적으로 처리 가능하게 만들 수 있으며, 동시에 높은 정확도를 유지할 수 있는가?
• RQ2 다중 엔티티에 대한 캘리브레이션 오버헤드는 지수적 복잡도에서 선형 복잡도로 어떻게 감소시킬 수 있는가?
• RQ3 공동 공간-시간 모델링 프레임워크는 장치 없음 국소화에서 추적의 일관성과 정확도를 향상시킬 수 있는가?
• RQ4 소프트웨어 중심의, WiFi 기반 시스템은 하드웨어 의존적 또는 단일 엔티티 시스템 대비 다중 인원 추적에서 얼마나 뛰어난 성능을 낼 수 있는가?
• RQ5 사전 지식 없이 실시간으로 엔티티 수를 얼마나 정확하게 추정할 수 있는가?

주요 결과

• Spot는 두 개의 실세계 테스트베드에서 중앙값 추적 오차가 1.1미터 미만을 기록하며, 최고 수준의 단일 엔티티 시스템 대비 36% 이상의 중앙값 오차 향상을 달성한다.
• 시스템은 다중 엔티티에 대한 캘리브레이션 오버헤드를 선형 복잡도로 감소시켜 다중 엔티티 추적의 실현 가능성과 확장성을 확보한다.
• Spot는 엔티티 수를 한 명의 오차 이내로 100% 정확도로 추정하여 엔티티 수 계산의 강건성을 입증한다.
• 에너지 최소화 프레임워크는 이진 그래프 컷을 통해 효율적으로 해결 가능하며, 평균 선형 및 최악의 경우 세제곱 시간 복잡도를 갖는다.
• 위치 후보에 대한 클러스터링은 이상치를 효과적으로 감소시키고 연속 공간 내 추적 정밀도를 향상시킨다.
• 특수 하드웨어를 요구하지 않고 표준 WiFi 인프라와 소프트웨어 처리만으로도 높은 정확도를 유지한다.