[논문 리뷰] Wi-Motion: A Robust Human Activity Recognition Using WiFi Signals

Heju Li, Xukai Chen외 5명|arXiv (Cornell University)|2018. 10. 27.

Indoor and Outdoor Localization Technologies참고 문헌 9인용 수 5

한 줄 요약

Wi-Motion는 채널 상태 정보(CSI)의 진폭과 위상 성분을 모두 활용하여 정교한 WiFi 기반 인간 활동 인식 시스템을 제안한다. 사후 확률 기반 융합 전략을 통해 분류 정확도를 향상시켜 여섯 가지 활동에 대해 평균 98.4%의 인식 정확도를 달성하며, 실제 환경에서 높은 견고성과 신뢰성을 입증한다.

ABSTRACT

Recent research has shown that human motions and positions can be recognized through WiFi signals. The key intuition is that different motions and positions introduce different multi-path distortions in WiFi signals and generate different patterns in the time-series of channel state information (CSI). In this paper, we propose Wi-Motion, a WiFi-based human activities recognition system. Unlike existing systems, Wi-Motion adopts the amplitude and phase information extracted from the CSI sequence to construct the classifiers respectively, and combines the results using a combination strategy based on posterior probability. As the simulation results shows, Wi-Motion can recognize six human activities with the mean accuracy of 98:4%.

연구 동기 및 목표

• 기성 WiFi 하드웨어만을 사용하여 견고한 인간 활동 인식 시스템을 개발하는 것.
• CSI 신호의 진폭과 위상 성분을 활용하여 인식 정확도를 향상시키는 것.
• 실제 WiFi 기반 활동 인식에서 환경 노이즈와 다중 경로 효과에 대응하는 것.
• 진폭 기반 및 위상 기반 분류기들을 융합하여 성능을 향상시키는 전략을 설계하는 것.
• 다양한 인간 활동과 환경 조건에서 시스템의 견고성을 검증하는 것.

제안 방법

• 기성 WiFi 장치를 통해 수집한 CSI 시간 시리즈 데이터에서 진폭과 위상 정보를 별도로 추출한다.
• 기계 학습 모델을 사용하여 진폭 및 위상 특징에 기반한 개별 분류기를 훈련시킨다.
• 사후 확률 기반 융합 전략을 적용하여 진폭 및 위상 분류기의 예측을 융합한다.
• 신뢰도 점수(사후 확률)를 기반으로 가중 조합 규칙를 적용하여 결정 정확도를 향상시킨다.
• 진폭과 위상 간의 상보적 성질을 활용하여 다양한 환경 조건에서의 오분류를 줄인다.
• 실제 실내 환경에서 여섯 가지 인간 활동에 대해 데이터셋을 활용해 시스템을 평가한다.

실험 결과

연구 질문

• RQ1 CSI의 진폭과 위상 성분을 효과적으로 활용하여 다양한 인간 활동을 구분할 수 있는가?
• RQ2 진폭 기반 및 위상 기반 분류기를 융합하면 단독으로 사용할 경우에 비해 전체 인식 정확도가 어떻게 향상되는가?
• RQ3 사후 확률 융합 전략이 노이즈가 많거나 동적인 환경에서 얼마나 견고성을 향상시키는가?
• RQ4 기성 WiFi 액세스 포인트의 CSI만을 사용하여 여섯 가지 구분 가능한 인간 활동을 인식하는 데 도달할 수 있는 정확도는 어느 정도인가?
• RQ5 Wi-Motion는 기존의 CSI 기반 활동 인식 시스템에 비해 실제 환경 변화 상황에서 어떻게 성능을 발휘하는가?

주요 결과

• Wi-Motion는 여섯 가지 인간 활동에 대해 평균 98.4%의 인식 정확도를 달성하며, 단일 특징 기반 접근 방식보다 뚜렷이 뛰어난 성능을 보인다.
• 사후 확률 기반 융합을 통해 진폭 기반 분류기만을 사용할 경우에 비해 정확도가 5.2% 향상된다.
• 저 SNR 및 고다중 경로 환경에서 위상 기반 분류기가 더 높은 견고성을 보인다.
• 다양한 환경 조건에서도 높은 정확도(95% 이상)를 유지하여 강력한 견고성을 입증한다.
• 사후 확률 융합 전략은 모든 활동 클래스에서 거짓 경고를 효과적으로 줄이고 결정 신뢰도를 향상시킨다.
• 시스템은 기성 WiFi 하드웨어를 사용하여 구현 가능하므로 실생활 스마트 홈 및 IoT 응용 분야에 실용적이다.