論文の概要: Robust Person Identification: A WiFi Vision-based Approach
- arxiv url: http://arxiv.org/abs/2210.00127v1
- Date: Fri, 30 Sep 2022 22:54:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 17:46:35.232246
- Title: Robust Person Identification: A WiFi Vision-based Approach
- Title（参考訳）: ロバストな人物識別:WiFiビジョンに基づくアプローチ
- Authors: Yili Ren and Jie Yang
- Abstract要約: 本研究では3次元空間における人物Re-IDのためのWiFiビジョンベースシステムである3D-IDを提案する。
私たちのシステムは、WiFiとディープラーニングの進歩を活用して、WiFiデバイスが人を見たり、識別したり、認識したりするのに役立ちます。
- 参考スコア（独自算出の注目度）: 7.80781386916681
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Person re-identification (Re-ID) has become increasingly important as it
supports a wide range of security applications. Traditional person Re-ID mainly
relies on optical camera-based systems, which incur several limitations due to
the changes in the appearance of people, occlusions, and human poses. In this
work, we propose a WiFi vision-based system, 3D-ID, for person Re-ID in 3D
space. Our system leverages the advances of WiFi and deep learning to help WiFi
devices see, identify, and recognize people. In particular, we leverage
multiple antennas on next-generation WiFi devices and 2D AoA estimation of the
signal reflections to enable WiFi to visualize a person in the physical
environment. We then leverage deep learning to digitize the visualization of
the person into 3D body representation and extract both the static body shape
and dynamic walking patterns for person Re-ID. Our evaluation results under
various indoor environments show that the 3D-ID system achieves an overall
rank-1 accuracy of 85.3%. Results also show that our system is resistant to
various attacks. The proposed 3D-ID is thus very promising as it could augment
or complement camera-based systems.
- Abstract（参考訳）: 個人再識別(Re-ID)は、幅広いセキュリティアプリケーションをサポートするため、ますます重要になっている。
従来のRe-IDは、主に光学カメラベースのシステムに依存しており、人の外観、オクルージョン、人間のポーズの変化によっていくつかの制限が生じる。
本研究では3次元空間における人物Re-IDのためのWiFiビジョンベースシステムである3D-IDを提案する。
当社のシステムは、wifiとディープラーニングの進歩を利用して、wi-fiデバイスが人々を認識、識別、認識するのを支援する。
特に、次世代のwifiデバイス上で複数のアンテナを活用し、信号反射を2次元aoa推定することで、物理環境でのwi-fiを可視化する。
次に、ディープラーニングを利用して、人物の可視化を3dボディ表現にデジタイズし、静的体形と動的歩行パターンの両方を抽出する。
各種屋内環境下での評価結果から,3D-IDシステム全体のランク1精度は85.3%であった。
また,本システムは各種攻撃に対する耐性を示す。
提案されている3d-idは、カメラベースのシステムを拡張または補完できるため、非常に有望である。
関連論文リスト
- Combining Two Adversarial Attacks Against Person Re-Identification
Systems [0.0]
我々はRe-IDシステムに対する敵攻撃に焦点を当てており、これらのシステムの性能に重大な脅威となる可能性がある。
P-FGSMとDeep Mis-Rankingの2種類の逆攻撃を2種類のRe-IDモデルに適用した。
最も良い結果は、CUHK03に適用されたReIDのランク10メートル法で3.36%の減少を示している。
論文 参考訳（メタデータ） (2023-09-24T22:22:29Z) - 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) - 3D Human Mesh Construction Leveraging Wi-Fi [6.157977673335047]
Wi-Meshはビジョンベースの人間のメッシュ構築システムである。
システムはWiFiを使って人体の形状と変形を視覚化する。
論文 参考訳（メタデータ） (2022-10-20T01:58:27Z) - GaitFi: Robust Device-Free Human Identification via WiFi and Vision
Multimodal Learning [33.89340087471202]
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
論文 参考訳（メタデータ） (2022-08-30T15:07:43Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - 3D Human Pose Estimation for Free-from and Moving Activities Using WiFi [7.80781386916681]
GoPoseは、家庭でWiFiデバイスを使用する3Dスケルトンに基づく人間のポーズ推定システムだ。
当社のシステムでは,センサを装着したり携帯したりする必要はなく,家庭環境にすでに存在するWiFiデバイスを大量採用するために再利用することができる。
論文 参考訳（メタデータ） (2022-04-16T21:58:24Z) - DSGN++: Exploiting Visual-Spatial Relation forStereo-based 3D Detectors [60.88824519770208]
カメラベースの3Dオブジェクト検出器は、LiDARセンサーよりも広い展開と低価格のため歓迎されている。
我々は3次元幾何学と意味論の両方を表現するステレオボリューム構造について、以前のステレオモデリングDSGNを再考する。
本稿では,2次元から3次元のパイプラインを通しての情報フローを改善することを目的としたDSGN++を提案する。
論文 参考訳（メタデータ） (2022-04-06T18:43:54Z) - StereoPIFu: Depth Aware Clothed Human Digitization via Stereo Vision [54.920605385622274]
本研究では,立体視の幾何学的制約をPIFuの暗黙的関数表現と統合し,人間の3次元形状を復元するStereoPIFuを提案する。
従来の作品と比較すると, ステレオピフは衣服によるヒト再建のロバスト性, 完全性, 正確性が著しく向上した。
論文 参考訳（メタデータ） (2021-04-12T08:41:54Z) - From Point to Space: 3D Moving Human Pose Estimation Using Commodity
WiFi [21.30069619479767]
Wi-Moseは、商品WiFiを用いた最初の3D移動人間のポーズ推定システムです。
振幅と位相をチャネル状態情報(csi)画像に融合し,ポーズ情報と位置情報の両方を提供する。
実験結果は、Wi-Moseが29.7mmおよび37.8mm Procrustes分析で、Sight of Sight(LoS)およびnon-Line of Sight(NLoS)シナリオにおける共同位置誤差(P-MPJPE)を局在化できることを示しています。
論文 参考訳（メタデータ） (2020-12-28T02:27:26Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z) - 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。