論文の概要: Why Commodity WiFi Sensors Fail at Multi-Person Gait Identification: A Systematic Analysis Using ESP32

• arxiv url: http://arxiv.org/abs/2601.02177v1
• Date: Mon, 05 Jan 2026 14:55:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:23.229846
• Title: Why Commodity WiFi Sensors Fail at Multi-Person Gait Identification: A Systematic Analysis Using ESP32
• Title（参考訳）: マルチパーソン歩行同定におけるコモディティWiFiセンサの障害:ESP32を用いた系統解析
• Authors: Oliver Custance, Saad Khan, Simon Parkinson,
• Abstract要約: WiFi Channel State Information (CSI)は、シングルパーソンの歩行識別を約束している。 複数人の識別はほとんど探索されていないが、既存の作業は複雑で高価な設定に依存している。 本研究では,コモディティESP32センサを用いて,7つのシナリオに対して6種類の信号分離手法を体系的に評価した。 分析の結果,人数の増加に伴い,物体内変動,物体間識別性が低下し,高度に劣化することが明らかとなった。
• 参考スコア（独自算出の注目度）: 2.024255109998051
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: WiFi Channel State Information (CSI) has shown promise for single-person gait identification, with numerous studies reporting high accuracy. However, multi-person identification remains largely unexplored, with the limited existing work relying on complex, expensive setups requiring modified firmware. A critical question remains unanswered: is poor multi-person performance an algorithmic limitation or a fundamental hardware constraint? We systematically evaluate six diverse signal separation methods (FastICA, SOBI, PCA, NMF, Wavelet, Tensor Decomposition) across seven scenarios with 1-10 people using commodity ESP32 WiFi sensors--a simple, low-cost, off-the-shelf solution. Through novel diagnostic metrics (intra-subject variability, inter-subject distinguishability, performance degradation rate), we reveal that all methods achieve similarly low accuracy (45-56\%, $σ$=3.74\%) with statistically insignificant differences (p $>$ 0.05). Even the best-performing method, NMF, achieves only 56\% accuracy. Our analysis reveals high intra-subject variability, low inter-subject distinguishability, and severe performance degradation as person count increases, indicating that commodity ESP32 sensors cannot provide sufficient signal quality for reliable multi-person separation.
• Abstract（参考訳）: WiFi Channel State Information (CSI)は、シングルパーソンの歩行識別を約束しており、多くの研究が高い精度を報告している。 しかし、複数の人物の識別は未解明のままであり、既存の作業はファームウェアの変更を必要とする複雑で高価な設定に依存している。 貧弱なマルチパーソンのパフォーマンスはアルゴリズム上の制限なのか、それともハードウェアの基本的制約なのか? 我々は,コモディティESP32 WiFiセンサを用いた7つのシナリオに対して,FastICA, SOBI, PCA, NMF, Wavelet, Tensor Decompositionの6つの信号分離手法を系統的に評価した。 新たな診断指標(物体間変動性、物体間識別性、性能劣化率)を通して、全ての手法が、統計的に重要な差(p$>0.05)で、同様に低い精度(45-56\%、$σ$=3.74\%)を達成することを明らかにした。 最高の性能の方法であるNMFでさえ、56\%の精度しか達成できない。 分析の結果,人数の増加に伴い,物体内変動,物体間識別性,性能低下が顕著であり,多人数分離に十分な信号品質が得られないことが示唆された。

関連論文リスト

• Transformer-Based Person Identification via Wi-Fi CSI Amplitude and Phase Perturbations [4.595408704451027]
  人間の識別のための視覚ベースのシステムに代わる、非侵襲的でプライバシー保護の代替手段として、Wi-Fiセンシングが勢いを増している。 従来の無線ベースのアプローチは、歩行のような運動パターンに依存しており、バイオメトリックな手がかりを抽出する。 本研究では,被験者が静止状態のままに記録されたチャネル状態情報から個人を識別するトランスフォーマーに基づく手法を提案する。
  論文  参考訳（メタデータ） (2025-07-17T07:26:07Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• t-READi: Transformer-Powered Robust and Efficient Multimodal Inference for Autonomous Driving [34.4792159427294]
  t-READiは,マルチモーダルセンサデータの変動を考慮した適応型推論システムである。 平均推論精度を6%以上改善し、推論遅延を約15倍削減する。
  論文  参考訳（メタデータ） (2024-10-13T06:53:58Z)
• Disentangling Imperfect: A Wavelet-Infused Multilevel Heterogeneous Network for Human Activity Recognition in Flawed Wearable Sensor Data [30.213716132980874]
  センサデータ解析のためのマルチレベルヘテロジニアスニューラルネットワーク MHNN を提案する。 センサデータからマルチレベル離散ウェーブレット分解法を用いてマルチレゾリューション特徴を抽出する。 提案したモデルに,マルチスケール特徴の学習を可能にする異種特徴抽出器を装備する。
  論文  参考訳（メタデータ） (2024-01-26T06:08:49Z)
• Log-Likelihood Score Level Fusion for Improved Cross-Sensor Smartphone Periocular Recognition [52.15994166413364]
  我々は、複数のコンパレータを融合させて、異なるスマートフォンの画像を比較する際に、眼周囲の性能を改善する。 我々は線形ロジスティック回帰に基づく確率的融合フレームワークを使用し、融合したスコアはログライクな比率になる傾向にある。 我々のフレームワークは、同じセンサとクロスセンサーのスコア分布が整列され、共通の確率領域にマッピングされるため、異なるデバイスからの信号を処理するためのエレガントでシンプルなソリューションも提供します。
  論文  参考訳（メタデータ） (2023-11-02T13:43:44Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• Fingerprint Image-Quality Estimation and its Application to Multialgorithm Verification [56.128200319868526]
  信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。 本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。 定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
  論文  参考訳（メタデータ） (2022-11-24T12:17:49Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• A high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
  このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。 提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
  論文  参考訳（メタデータ） (2021-11-02T21:09:39Z)

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。