科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于WiFi信道状态信息（Channel State Information， CSI）的人体感知方法在许多物联网场景得到了应用，但现有大部分基于CSI人体感知的系统仅进行定位或行为识别其中一项工作，而物联网的发展对两者能同时识别提出了新的要求。针对这一问题，提出一种基于深度残差收缩网络的定位与行为联合识别方法。通过普通商用WiFi设备获取两种场景（暗室、会议室和走廊）的CSI数据，将预处理后的数据输入结合了深度残差收缩网络的学习模型，进行12个位置与和6种日常行为（站起、坐下、跳跃、深蹲、跌倒、捡起）的联合任务识别。实验结果显示，针对在暗室、会议室和走廊三种场景下的室内定位的平均识别率达到97.29%，行为识别的平均识别率达到90.02%。能够实现定位与行为的高精度联合识别。
- 单位
