基于WiFi 的人员动作识别实验演示系统
2023-01-27胡局新田传耕朱永红
张 雷,张 跃,鲍 蓉,胡局新,田传耕,朱永红,
(1.徐州工程学院信息工程学院(大数据学院),江苏徐州 221000;2.东南大学移动通信国家重点实验室,南京 210096;3.中国矿业大学矿山互联网应用技术国家地方联合工程实验室,江苏徐州 221000)
0 引言
近年来物联网技术高速发展让越来越多的通信技术实现了感知功能[1-6]。为让本科生了解物联网的前沿技术,提高学生对专业课学习的兴趣,开发一套基于WiFi的人员动作识别实验演示系统。该系统以未来智慧病房为背景,综合信号处理、通信技术、机器学习和深度学习等多课程知识实现对人员不同动作的实时识别。
1 基于WiFi的人员动作判识机理
在视距场景下WiFi 信号通过视距路径从发射端传输到接收端,如图1 所示,当有人员在做动作时,传输路径会发生改变,原来视距传输的信号会以折射或散射的形式进行传输[7],也就是说人员的不同动作会引出不同的额外传输路径。因此,通过对传输路径进行分析,就能反演出人员的动作。
图1 人员动作引起的路径变化
信道状态信息(Channel State Information,CSI)是用来描述信号从发射到接收传输过程中经历的反射、散射、衰落等情况[8]。在WiFi 网络使用的OFDM 系统中,WiFi 信号以多个正交子载波的形式进行传输[9],即
式中:y为接收信号;x 为发射信号;Η为信道状态信息矩阵;n为噪声。
在使用IEEE 802.11n 协议中WiFi 网络中,信号在不同的带宽下以不同编号的子载波形式进行传输,每个子载波通过幅度和相位两部分信息来描述信道状态信息[10]
表1 802.11 协议中不同带宽下的子载波情况
2 人员动作判识系统
如图2 所示,人员动作判识系统由信号采集和动作判识模块两部分组成。信号采集模块主要负责CSI信号采集、信号预处理以及构造动作特征信息,并将动作特征信息通过网络传输到动作判识模块。动作判识模块将动作特征信息作为输入向量,分别送入支持向量机(Support Vector Machine,SVM)、随机森林(Rand Forest,RF)、残差网络(Residual Network,ResNet),建立动作判识模型。
图2 人员动作识别系统构成
2.1 信号采集
信号采集模块对CSI信号中的幅度和相位分别进行处理,然后利用处理后数据构造动作特征信息矩阵。
(1)幅度信号处理。幅度信号主要是利用Hampel滤波器进行处理[11],假设采集到的一组幅度信息
式中:xreal为真实值;ek为多种误差集合。利用Hampel滤波器对幅度数据进行滤波处理。
式中:T为处理后的数据;xmedian为中位数;M为绝对中位误差。
(2)相位信号处理。由于测量噪声、锁相环初始相位偏差、边界检测延时采集到的相位的紊乱,为能获得稳定的相位信息,应用线性变化CSI 相位进行处理[12]:
式中:∠为处理后数据;N为快速傅里叶变化点数。
(3)动作特征信息构造。由动作识别机理分析可见,人员的动作会如额外的传播路径,应用路径分解算法,对传播路径进行分解构造动作特征信息,路径分解算法程序
2.2 动作判识系统
为提高展示系统的操作性,在动作判识系统中已集成了SVM,RF和Resnet算法架构[13-15],只需将标定后的数据加载到算法中,就能自动训练出动作判识模型。判识系统运行分为离线训练和在线预测2 个阶段,系统运行流程如图3 所示。
图3 判识系统运行流程
在离线训练阶段,如图4 所示,人员在发射和接收端之间完成指定动作,对每个动作给与指定一个类别号,采集系统将每个动作发生期间的CSI 数据进行采集,完成信号预处理,构造动作特征信息,将标定后的特征数据发送至算法架构,进行模型训练,并将训练好的模型储存。
图4 测试场景
在在线预测阶段,人员随机完成某种动作,采集模块对采集的CSI数据进行处理,特征信息构造,然后将构造好的特征信息发送到判识模块,得到判识结果。
3 动作判识测试
3.1 演示系统样机
(1)硬件平台。如图5 所示,信号采集系统由商用WiFi 路由器和一台装有Intel5300 网卡的PC 机构成,图5(a)所示为WiFi发射端路由器,为接收端mini PC机,PC 机的操作系统为Ubuntu,在PC 机中安装CSI-Tool实现数据采集[16]。
图5 CSI数据发射和采集设备
(2)软件平台。采集端安装了CSI-Tool 工具,在数据采集时,同时打开两个命令窗口,一个命令窗口向路由器发送Ping 命令,另一个命令窗口运行log_to_file程序,实时采集CSI数据,采集结果如图6 所示。
图6 原始CSI数据采集
将数据发送到信号处理模块,根据2.1 节的方法,对CSI 的幅度和相位数据进行处理并构造信息,为能让学生直观观察到CSI 的幅度和相位信息,设计了幅度和相位可视化界面,如图7 所示。
图7 可视化界面
为降低学生操作难度,在判识系统中已将不同识别算法的模型训练完毕,学生只需勾选相应的算法就能实现不同算法间的切换,识别程序如图8 所示。
图8 动作识别程序
3.2 测试结果
演示系统测试了如“行走”“摘帽子”“扔东西”等8 种常见的动作,具体动作见表2。
表2 活动数据集简介
8 种动作的测试结果如图9 所示,图中的每一行为真实动作类别,每一列为通过算法得到的动作类别。由图中可见,大部分动作识别准确率较高,能够较好实现演示系统效果。
4 结语
本文开发的基于WiFi的人员动作识别实验演示系统,通过对几种常见动作的测试验证了系统的有效性。在“物联网技术”课程教学中,可利用该系统向学生展示科技前沿技术,激发学生的学习兴趣,培养学生的科研探索精神。