[논문 리뷰] When Healthcare Meets Off-the-Shelf WiFi: A Non-Wearable and Low-Costs Approach for In-Home Monitoring

Lingchao Guo, Zhaoming Lu외 3명|arXiv (Cornell University)|2020. 09. 21.

Context-Aware Activity Recognition Systems참고 문헌 56인용 수 14

한 줄 요약

이 논문은 기성의 WiFi 장치를 사용하여 벽을 넘어가도 정교한 인간 자세도형과 세밀한 호흡 상태를 측정할 수 있는 저비용 비착용형 실내 모니터링 시스템을 제안한다. 채널 상태 정보(Channel State Information, CSI)와 맞춤형 신경망을 활용함으로써, 카메라 수준의 자세 추정과 정확한 호흡 곡선 추적 성능을 달성하여, 개인정보 우려나 착용형 기기 없이 노인 돌봄을 위한 비정상적인 사건 및 호흡 패턴을 탐지할 수 있다.

ABSTRACT

As elderly population grows, social and health care begin to face validation challenges, in-home monitoring is becoming a focus for professionals in the field. Governments urgently need to improve the quality of healthcare services at lower costs while ensuring the comfort and independence of the elderly. This work presents an in-home monitoring approach based on off-the-shelf WiFi, which is low-costs, non-wearable and makes all-round daily healthcare information available to caregivers. The proposed approach can capture fine-grained human pose figures even through a wall and track detailed respiration status simultaneously by off-the-shelf WiFi devices. Based on them, behavioral data, physiological data and the derived information (e.g., abnormal events and underlying diseases), of the elderly could be seen by caregivers directly. We design a series of signal processing methods and a neural network to capture human pose figures and extract respiration status curves from WiFi Channel State Information (CSI). Extensive experiments are conducted and according to the results, off-the-shelf WiFi devices are capable of capturing fine-grained human pose figures, similar to cameras, even through a wall and track accurate respiration status, thus demonstrating the effectiveness and feasibility of our approach for in-home monitoring.

연구 동기 및 목표

• 노령화된 인구를 대상으로 하는 저비용이며 침습적이지 않은 실내 건강 관리 모니터링의 증가하는 수요를 해결하기 위해.
• 비용, 개인정보 우려, 환경 민감도 등의 문제로 인해 제한되는 웨어러블 센서 및 카메라 기반 시스템의 한계를 극복하기 위해.
• 기존의 WiFi 인프라를 활용해 행동 및 생리적 데이터를 지속적으로 전일 동안 모니터링할 수 있는 시스템을 개발하기 위해.
• 기성의 WiFi 하드웨어에 의존하고 하드웨어 요구 사항을 최소화함으로써 실제 주거 환경에 구현 가능한 실용성을 확보하기 위해.
• 예후 진단 지원을 위한 비정상적인 사건(예: 넘어짐)과 병적 호흡 패턴을 조기에 탐지할 수 있도록 하기 위해.

제안 방법

• 실내 환경에서 다중 경로 신호 전파를 통해 기성의 WiFi 장치를 사용해 채널 상태 정보(Channel State Information, CSI)를 수집하기 위해.
• 공간적 및 시간적 인간 운동 패턴을 모델링함으로써, 벽을 뛰어넘어더라도 CSI 데이터에서 정교한 인간 자세 도형을 복원할 수 있도록 딥 신경망을 설계하기 위해.
• 가슴 움직임에 해당하는 저주파 성분을 분리하여 CSI 진폭 변화에서 호흡 상태 곡선을 추출하기 위해.
• 노이즈를 필터링하고 CSI 내에서 저진폭의 호흡 관련 변조를 강화하기 위해 신호 처리 기법을 적용하기 위해.
• 자세 추정과 호흡 추적 기능을 통합한 프레임워크를 구축하여 행동 및 생체 신호를 동시에 모니터링할 수 있도록 하기 위해.
• 추출된 호흡 곡선 특징에 기계학습(SVM 등)을 적용하여 체인-스톡스 및 불규칙 호흡과 같은 비정상 패턴을 분류하기 위해.

실험 결과

연구 질문

• RQ1 기성의 WiFi 장치는 벽을 뛰어넘는 실내 환경에서도 정교한 인간 자세 도형을 정확하게 재구성할 수 있는가?
• RQ2 CSI 기반 신호 처리 및 신경망 기법이 의료용 장비 수준의 호흡 속도 추적 성능을 달성할 수 있는가?
• RQ3 오직 WiFi 신호만으로도 넘어짐이나 장시간 움직임이 없는 비정상적인 행동을 어느 정도 탐지할 수 있는가?
• RQ4 CSI에서 유도된 곡선을 통해 체인-스톡스 호흡 및 불규칙 호흡과 같은 병적 호흡 패턴을 구분할 수 있는가?
• RQ5 장애물과 다양한 인간 자세가 존재하는 실생활 비선시선(Non-Line-of-Sight, NLoS) 조건에서 시스템의 성능은 어떠한가?

주요 결과

• 제안된 시스템은 벽 뒤편에 있는 대상조차도 카메라 기반 방법과 유사한 자세 추정 성능을 달성하여, WiFi 기반 인간 도형 재구성의 가능성을 입증하였다.
• 고시간 해상도로 정확한 호흡 상태 곡선을 추적하여 미세한 변화와 호흡 정지 기간을 탐지할 수 있었다.
• SVM을 사용해 추출된 CSI 기반 특징을 바탕으로 체인-스톡스 및 불규칙 호흡과 같은 비정상 호흡 패턴을 충분한 정확도로 분류할 수 있었으며, 예비 진단용으로 충분한 성능을 보였다.
• 일반적인 장애물이 존재하는 실내 환경에서도 효과적으로 작동하여, 비선시선 조건에 대한 강건성을 입증하였다.
• 기존의 WiFi 인프라만으로도 지속적이고 침습적이지 않은 행동 및 생리적 데이터 모니터링이 가능하여, 비용과 개인정보 위험을 크게 감소시켰다.
• 선로 시선(Line-of-Sight, LoS) 거리가 1.5미터일 경우, LoS 경로에서 약 1.2미터 범위 내에서 센싱이 가능하며, 침대나 소파와 같은 핵심 모니터링 영역에 충분한 범위를 확보하고 있다.