論文の概要: Contactless Human Activity Recognition using Deep Learning with Flexible
and Scalable Software Define Radio
- arxiv url: http://arxiv.org/abs/2304.09756v1
- Date: Tue, 18 Apr 2023 10:20:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 13:55:24.521588
- Title: Contactless Human Activity Recognition using Deep Learning with Flexible
and Scalable Software Define Radio
- Title（参考訳）: フレキシブルでスケーラブルなソフトウェア定義無線を用いた深層学習による接触型人間活動認識
- Authors: Muhammad Zakir Khan, Jawad Ahmad, Wadii Boulila, Matthew Broadbent,
Syed Aziz Shah, Anis Koubaa, Qammer H. Abbasi
- Abstract要約: 本研究では,環境センシングの新たな手法として,Wi-Fiチャネル状態情報(CSI)の利用について検討する。
これらの方法は、プライバシーを侵害する視覚ベースのシステムに必要な追加のハードウェアを避ける。
本研究では,Wi-Fi CSIベースのHARシステムを提案する。
- 参考スコア（独自算出の注目度）: 1.3106429146573144
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ambient computing is gaining popularity as a major technological advancement
for the future. The modern era has witnessed a surge in the advancement in
healthcare systems, with viable radio frequency solutions proposed for remote
and unobtrusive human activity recognition (HAR). Specifically, this study
investigates the use of Wi-Fi channel state information (CSI) as a novel method
of ambient sensing that can be employed as a contactless means of recognizing
human activity in indoor environments. These methods avoid additional costly
hardware required for vision-based systems, which are privacy-intrusive, by
(re)using Wi-Fi CSI for various safety and security applications. During an
experiment utilizing universal software-defined radio (USRP) to collect CSI
samples, it was observed that a subject engaged in six distinct activities,
which included no activity, standing, sitting, and leaning forward, across
different areas of the room. Additionally, more CSI samples were collected when
the subject walked in two different directions. This study presents a Wi-Fi
CSI-based HAR system that assesses and contrasts deep learning approaches,
namely convolutional neural network (CNN), long short-term memory (LSTM), and
hybrid (LSTM+CNN), employed for accurate activity recognition. The experimental
results indicate that LSTM surpasses current models and achieves an average
accuracy of 95.3% in multi-activity classification when compared to CNN and
hybrid techniques. In the future, research needs to study the significance of
resilience in diverse and dynamic environments to identify the activity of
multiple users.
- Abstract（参考訳）: アンビエントコンピューティングは、将来大きな技術進歩として人気を集めている。
現代は医療システムの進歩を目の当たりにしており、遠隔および控えめな人間の活動認識(HAR)のための無線周波数ソリューションが提案されている。
具体的には,室内環境における人間活動の非接触的認識手段として活用可能な,新しい環境センシング方法としてのwi-fiチャネル状態情報(csi)の利用について検討した。
これらの方法は、様々な安全およびセキュリティアプリケーションにWi-Fi CSIを(再)使用することで、プライバシーを侵害する視覚ベースのシステムに必要な追加のハードウェアを避ける。
ユニバーサルソフトウェア定義無線(USRP)を用いてCSIのサンプルを収集する実験では、部屋のさまざまな領域で活動、立ち上がり、座り、前傾く6つの異なる活動に従事している被験者が観察された。
さらに、被験者が2つの異なる方向に歩いたときにより多くのcsiサンプルが収集された。
本研究では,Wi-Fi CSIをベースとしたHARシステムを用いて,深層学習アプローチ,すなわち畳み込みニューラルネットワーク(CNN),長期記憶(LSTM),ハイブリッド(LSTM+CNN)を評価し,対比する。
実験の結果、LSTMは現在のモデルを超え、CNNやハイブリッド技術と比較すると、平均95.3%のマルチアクティビティ分類が得られることがわかった。
将来的には、多様な動的環境におけるレジリエンスの重要性を調査し、複数のユーザの活動を特定する必要がある。
関連論文リスト
- Approaches to human activity recognition via passive radar [4.2261749429617534]
この論文は、非侵入的Wi-Fiチャネル状態情報(CSI)データに着目した受動レーダを用いた人活動認識(HAR)の新しい手法を探求する。
本研究では、スパイキングニューラルネットワーク(SNN)を用いたCSIの非侵入性を利用して、人間の動きによる信号の変動を解釈する。
論文 参考訳（メタデータ） (2024-10-31T17:28:41Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Time-Selective RNN for Device-Free Multi-Room Human Presence Detection
Using WiFi CSI [9.927073290898848]
デバイスなしの人間の存在検知は、ホームオートメーション、セキュリティ、ヘルスケアなど、さまざまなアプリケーションにとって重要な技術である。
近年,商用WiFiアクセスポイント(AP)から抽出した無線チャネル状態情報を用いて,詳細なチャネル特性について検討している。
本稿では,時間選択型条件付き二重特徴抽出再帰ネットワークを用いたマルチルームシナリオのためのデバイスフリーな人間の存在検知システムを提案する。
論文 参考訳（メタデータ） (2023-04-25T19:21:47Z) - Attention-Enhanced Deep Learning for Device-Free Through-the-Wall
Presence Detection Using Indoor WiFi Systems [9.087163485833054]
WiFi信号のチャネル状態情報(CSI)を用いた人間の存在検知システムを提案する。
本システムでは,CSIデータから情報サブキャリアを自動的に選択するためのアテンションメカニズムを用いて,アテンション検出のためのアテンション強化深層学習(ALPD)と命名した。
提案するALPDシステムは,CSIデータセットを収集するための一対のWiFiアクセスポイント(AP)をデプロイすることで評価し,さらにいくつかのベンチマークと比較した。
論文 参考訳（メタデータ） (2023-04-25T19:17:36Z) - 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) - CRONOS: Colorization and Contrastive Learning for Device-Free NLoS Human
Presence Detection using Wi-Fi CSI [9.927073290898848]
センサーやカメラによるデバイスなしの人間検出は広く採用されているが、プライバシーの問題や、動きのない人の誤検知が伴っている。
我々は,動的反復プロット(RP)とカラーコードCSI比を生成するCRONOSというシステムを提案する。
論文 参考訳（メタデータ） (2022-11-07T16:18:18Z) - 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) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳（メタデータ） (2021-02-09T15:48:35Z) - Learning to Continuously Optimize Wireless Resource In Episodically
Dynamic Environment [55.91291559442884]
この研究は、データ駆動型手法が動的環境で継続的に学習し、最適化できる方法論を開発する。
本稿では,無線システム学習のモデリングプロセスに連続学習の概念を構築することを提案する。
我々の設計は、異なるデータサンプル間で「一定の公正性を保証する」新しいmin-maxの定式化に基づいている。
論文 参考訳（メタデータ） (2020-11-16T08:24:34Z) - Using GAN to Enhance the Accuracy of Indoor Human Activity Recognition [0.9239657838690226]
本研究では,長期記憶(LSTM)を用いて特徴を学習し,7つの異なる行動を認識する,行動認識システムのための半教師付き学習手法を提案する。
実験の結果,分類精度を3.4%向上し,ログ損失を約16%低減できることを確認した。
論文 参考訳（メタデータ） (2020-04-23T15:22:05Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文 参考訳（メタデータ） (2020-01-28T10:36:26Z)
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。