論文の概要: GaitFi: Robust Device-Free Human Identification via WiFi and Vision
Multimodal Learning
- arxiv url: http://arxiv.org/abs/2208.14326v1
- Date: Tue, 30 Aug 2022 15:07:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-31 12:33:21.767129
- Title: GaitFi: Robust Device-Free Human Identification via WiFi and Vision
Multimodal Learning
- Title（参考訳）: GaitFi:WiFiと視覚マルチモーダル学習によるロバストデバイスフリーな人間識別
- Authors: Lang Deng, Jianfei Yang, Shenghai Yuan, Han Zou, Chris Xiaoxuan Lu,
Lihua Xie
- Abstract要約: 本稿では,WiFi信号とビデオを利用したマルチモーダル歩行認識手法GaitFiを提案する。
GaitFiでは、WiFiのマルチパス伝搬を反映したチャネル状態情報(CSI)が収集され、人間の視線を捉え、ビデオはカメラによってキャプチャされる。
本稿では,ロバストな歩行情報を学習するために,バックボーンネットワークとして軽量残差畳み込みネットワーク(LRCN)を提案し,さらに2ストリームのGaitFiを提案する。
GaitFiが最先端の歩行認識より優れていることを示す実験が実世界で実施されている
- 参考スコア（独自算出の注目度）: 33.89340087471202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As an important biomarker for human identification, human gait can be
collected at a distance by passive sensors without subject cooperation, which
plays an essential role in crime prevention, security detection and other human
identification applications. At present, most research works are based on
cameras and computer vision techniques to perform gait recognition. However,
vision-based methods are not reliable when confronting poor illuminations,
leading to degrading performances. In this paper, we propose a novel multimodal
gait recognition method, namely GaitFi, which leverages WiFi signals and videos
for human identification. In GaitFi, Channel State Information (CSI) that
reflects the multi-path propagation of WiFi is collected to capture human
gaits, while videos are captured by cameras. To learn robust gait information,
we propose a Lightweight Residual Convolution Network (LRCN) as the backbone
network, and further propose the two-stream GaitFi by integrating WiFi and
vision features for the gait retrieval task. The GaitFi is trained by the
triplet loss and classification loss on different levels of features. Extensive
experiments are conducted in the real world, which demonstrates that the GaitFi
outperforms state-of-the-art gait recognition methods based on single WiFi or
camera, achieving 94.2% for human identification tasks of 12 subjects.
- Abstract（参考訳）: 人間識別のための重要なバイオマーカーとして、人間の歩行は被検者協力なしで受動的センサーによって遠隔で収集することができ、防犯、セキュリティ検出、その他の人間識別アプリケーションにおいて重要な役割を担っている。
現在、ほとんどの研究は歩行認識を行うためのカメラとコンピュータビジョン技術に基づいている。
しかし、視界に基づく手法は照明不足に直面すると信頼性が低く、性能が低下する。
本稿では,wi-fi信号と映像を人間の識別に利用するマルチモーダル歩行認識法であるgaitfiを提案する。
GaitFiでは、WiFiのマルチパス伝搬を反映したチャネル状態情報(CSI)が収集され、人間の視線を捉え、ビデオはカメラによってキャプチャされる。
強固な歩容情報を学習するために,バックボーンネットワークとして軽量な残差畳み込みネットワーク(lrcn)を提案し,さらに,歩容検索タスクにwifiと視覚機能を統合することにより,双方向歩行を提案する。
GaitFiは、異なるレベルの機能で三重項の損失と分類損失によって訓練されている。
大規模な実験は現実世界で行われ、GaitFiは1つのWiFiまたはカメラに基づく最先端の歩行認識手法より優れており、12人の被験者の識別タスクに対して94.2%の精度で達成されている。
関連論文リスト
- ViFi-ReID: A Two-Stream Vision-WiFi Multimodal Approach for Person Re-identification [3.3743041904085125]
人物再識別(ReID)は、安全検査、人員計数などにおいて重要な役割を担っている。
現在のReIDアプローチのほとんどは、主に目的条件の影響を受けやすい画像から特徴を抽出する。
我々は、Wi-Fi信号のチャネル状態情報(CSI)を介して歩行者からの歩行情報をキャプチャすることで、広く利用可能なルータをセンサデバイスとして活用する。
論文 参考訳（メタデータ） (2024-10-13T15:34:11Z) - Time-Frequency Analysis of Variable-Length WiFi CSI Signals for Person Re-Identification [3.3743041904085125]
人物再識別(ReID)は、セキュリティ検出や数え方において重要な役割を果たす。
本文では, 歩行者の特徴を識別するための基礎として, WiFi信号のマルチパス伝搬特性を活用する, WiFiチャネル状態情報(CSI)を用いた手法を紹介する。
本稿では、WiFi信号の周波数領域における時間領域の振幅と位相を解析し、可変長データを処理できる2ストリームネットワーク構造を提案する。
論文 参考訳（メタデータ） (2024-07-12T07:10:47Z) - MaskFi: Unsupervised Learning of WiFi and Vision Representations for
Multimodal Human Activity Recognition [32.89577715124546]
我々は、未ラベルのビデオとWiFiのアクティビティデータのみをモデルトレーニングに活用する、新しい教師なしマルチモーダルHARソリューションMaskFiを提案する。
教師なしの学習手順から恩恵を受けるため、ネットワークは微調整のために少量の注釈付きデータしか必要とせず、より良いパフォーマンスで新しい環境に適応できる。
論文 参考訳（メタデータ） (2024-02-29T15:27:55Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - Differentiable Frequency-based Disentanglement for Aerial Video Action
Recognition [56.91538445510214]
ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。
我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。
我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2022-09-15T22:16:52Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:49:11Z) - RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。
以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文 参考訳（メタデータ） (2022-01-13T06:30:56Z) - WildGait: Learning Gait Representations from Raw Surveillance Streams [1.90365714903665]
歩行認識の既存の方法は、単一の人がカメラの前で直線で複数回歩いている協調歩行シナリオを必要とします。
本稿では,多数の自動注釈付きスケルトン配列上で時空間グラフ畳み込みネットワークを訓練する,新しい弱教師付き学習フレームワークwildgaitを提案する。
以上の結果から,現状のポーズに基づく歩容認識ソリューションは,微調整により認識精度を上回った。
論文 参考訳（メタデータ） (2021-05-12T09:11:32Z) - Self-Supervised WiFi-Based Activity Recognition [3.4473723375416188]
屋内環境における受動的活動認識のためのWi-Fiデバイスから微細な物理層情報を抽出する。
自己監督型コントラスト学習による活動認識性能の向上を提案する。
WiFiによる活動認識のタスクにおいて,マクロ平均F1スコアの17.7%の増加が観察された。
論文 参考訳（メタデータ） (2021-04-19T06:40:21Z) - Vision Meets Wireless Positioning: Effective Person Re-identification
with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。
携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。
本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文 参考訳（メタデータ） (2020-08-10T14:19:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。