[发明专利]一种基于注意力机制使用WiFi数据进行人体行为识别的方法

说明书

本发明提出了一种基于注意力机制使用WiFi数据进行人体行为识别的方法。本发明首先使用一种基于信道状态信息(CSI)的幅值和相位特征的行为识别的方法，能够有效的解决在使用CSI进行行为识别的过程中的特征损的问题。然后利用信道频率响应(CFR)和信道冲激响应(CIR)可以通过傅里叶变换和反变换进行相互转换的原理，计算出WiFi设备所能得到的最小多径时延差之间的多径数据，通过确定经过人体反射和折射的多径信号到达接收机的时延间隔范围，对相关多径信号进行提取。最后使用一种用于CSI行为识别的注意力机制模型，利用注意力机制可以给不同特征分配学习权重的原理，从而实现高鲁棒性的运动序列切割和高精度的基于WiFi数据的人体行为识别。本发明设计的基于WiFi数据的复杂环境中的行为识别算法有效可靠，解决了传统算法无法对受人体影响的多径信号进行提取的问题和特征无法充分利用的问题，同时解决了传统切割算法鲁棒性差的问题，利用深度学习网络提高了系统在各种复杂环境下的识别精度和应用潜力。

技术领域

本发明属于行为识别技术，具体涉及到在WiFi系统中，可以在复杂环境下，采用WiFi数据的一种使用注意力机制进行人体行为识别的方法。

背景技术

现如今人机交互领域已经成为了最具潜力的发展方向之一，人体活动感知是其中至关重要的技术，在人类生产和生活中起了越来越重要的作用，它在实现诸如智能家居，安全监控和医疗辅助等领域具有巨大的发展前景和应用价值。信道状态信息(CSI)是一种具有高分辨率的细粒度物理层信息，因此，通过使用CSI数据进行高精度的行为识别成为了一种可行的方法。基于计算机视觉方法，捕获并识别人类活动。它可以通过捕获图像中人类活动的相关特征来识别人类活动。但是计算机视觉具有大量数据和复杂的计算。通过使用计算机视觉来识别人类活动，它可以用于操作游戏界面等。人类活动识别是目前最有潜力的技术之一，在人机交互中起着重要作用，如智能家居，安全监控，医疗帮助等。在以前的研究中，研究人员提出了使用不同技术的各种人类活动识别系统。例如，基于可穿戴式传感器的方法，基于计算机视觉的方法，基于环境设备的方法等。但是，这些技术存在问题不便之处或环境限制。此外，特殊设备需要在检测区域内部署，以实现人类活动识别。基于无线信号的方法成本低廉且易于部署，最普遍的方法之一就是使用普通的家用WiFi。基于WiFi的无设备人体活动识别系统不需要被检测目标携带的任何设备，并且不受照明环境的影响，甚至可以在穿墙场景下实现人体活动识别。早期基于WiFi设备的人类活动识别算法主要是使用信号强度指示信息(RSSI)实现的。但是，RSSI是一种粗粒度数据，信道状态信息(CSI)是一种细粒度的物理层信息，包括幅度和相位这两种数据特征。随着WiFi技术的发展，CSI开始取代RSSI，成为更具潜力的研究方向。

传统的人体行为识别系统中，由于CSI相位信息中包含的误差较多，大多通过分析CSI的幅值变化趋势，并根据幅值的变化进行运动片段切割和特征提取。除此之外，对于CSI进行的特征提取过程(比如数学统计特征的提取)会导致CSI的大量有用信息的损失，这限制了该系统的性能。同时现有的运动片段切割算法一般是在处理后人为的设定阈值作为检测活动开始和结束的标志，这种方法一旦被检测目标或者环境发生了变化，就需要重新设定阈值或者训练系统，所以会导致运动片段切割的错误或者不完整。而且，之前的人体行为识别系统大量使用鲁棒性差且识别效率低的分类器，例如k最近邻(KNN)分类算法和支持向量机(SVM)。在识别相似动作时，此类系统的识别准确率不能够满足商用要求。所以在最近的工作中开始关注对CSI中包含的相位信息的提取和使用，但是并没根据幅值和行为信息的不同设计相应的方法区别利用，这种不合适的使用甚至会降低识别精度。本发明提出了一种自适应多径选择算法，该算法可以提取有效的多径信号。同时本发明设计了一种端到端的行为识别方法，以减少数据处理过程中有效信息的丢失。通过设计一种基于长短记忆网络(LSTM)的时频注意力网络，使用注意力机制代替传统的序列分割算法，可以有效在复杂环境中的进行目标行为识别。

发明内容

本发明的目的是在WiFi系统下，提供一种基于WiFi数据人体行为识别的方法，它能够在光线不良或者遮挡的复杂环境中，使用WiFi数据作为特征，实现高识别精度和高鲁棒性的人体行为识别。