科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着无线感知技术的发展，基于WiFi的身份识别研究在人机交互和家居安防等领域备受关注。尽管基于WiFi信号的身份识别已经取得了初步的成功，但是目前主要适用于用户独立行为场景，并发行为下的多用户身份识别仍然面临着一系列挑战，包括用户之间的相互干扰以及模型鲁棒性差等问题。因此，提出了一种并发行为下多用户身份识别系统（Wiblack），核心思想是训练一个多分支深度神经网络（Wiblack-Net）提取每个单用户的独特特征。首先利用主干网络提取多用户之间的共同特征，然后为每个用户分配一个二分类器以此判断给定群体中是否存在目标用户，在此基础上基于并发行为实现多个用户身份识别。此外，对Wiblack与多个独立的二分类模型和单个多分类模型进行对比实验，对运行效率和系统性能进行分析。实验结果显示，在同时识别三个用户身份时，Wibalck平均准确率达到了92.97%，平均精确度为93.71%，平均召回率为93.24%，平均F1-Score为92.43%。
- 单位
