[发明专利]基于WiFi CSI的小样本对抗学习动作识别方法、系统以及终端

说明书

本发明的基于WiFi CSI的小样本对抗学习动作识别方法、系统以及终端，包括：对接收到的待识别WiFi CSI数据预处理，以获得对应于所述待识别WiFi CSI数据的小样本输入数据；将所述小样本输入数据输入至小样本对抗学习动作模型，以进行目标位置动作的识别。解决了现有技术中当无法在目标位置采集大量数据时，尤其在WiFi CSI受到噪声干扰以及在数据量极少的位置时，需要提供能够只在目标识别位置使用小样本数据得到性能优良的算法模型进行目标位置动作识别的方法的问题。本发明在智能空间等环境下分别面临WiFi CSI数据传播路径上的其它物体噪声和在采集数据量少时依然能准确地识别出不同的人类动作，还能提高在WiFi CSI上捕捉动作特征的便捷性与隐私保护性。

技术领域

本发明涉及数据处理领域，特别是涉及一种基于WiFi CSI的小样本对抗学习动作识别方法、系统以及终端。

背景技术

近年来，互联网和智能设备的发展十分迅速，极大地便利了人们的生活，在人们的日常活动中被广泛应用。人们在日常生活中习惯性地会做出各种动作，可以通过动作去与智能设备交互或者进行日常活动。

基于智能设备的动作识别技术能够利用智能设备收集到的包含人类动作的数据，将人类的动作识别出来，再进一步地去对动作进行分析或监测。WiFi技术是一种无线网络传输技术，CSI是WiFi传输时的信道状态信息，描述了WiFi信号在每条传播路径上的衰弱程度。WiFi设备是一种常用的智能设备，能够发送和接收WiFi CSI信号。WiFi CSI信号在传播时会受到环境中的人类动作的影响，改变传播路径。因此，可以通过在接收端收集的WiFiCSI信号变化来分析人类进行的动作，从CSI信号中提取幅度和相位差特征后进一步输入算法模型，从而实现动作识别。

当人类处于环境中的不同位置进行动作时，对WiFi的传播路径造成的影响不同，在收集的WiFi CSI数据上的变化模式也有不同。因此，通常需要在每个需要进行动作识别的位置去建立一个算法模型来进行动作识别。而得到性能优良的算法模型往往需要大量的数据。当无法在目标位置采集大量数据时，尤其在WiFi CSI受到噪声干扰以及在数据量极少的位置时需要提供能够只在目标识别位置使用小样本数据得到性能优良的算法模型的方法。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于WiFi CSI的小样本对抗学习动作识别方法、系统以及终端，用于解决现有技术中当无法在目标位置采集大量数据时，尤其在WiFi CSI受到噪声干扰以及在数据量极少的位置时，需要提供能够只在目标识别位置使用小样本数据得到性能优良的算法模型进行目标位置动作识别的方法的问题。

为实现上述目的及其他相关目的，本发明提供一种基于WiFi CSI的小样本对抗学习动作识别方法，包括:对接收到的待识别WiFi CSI数据预处理，以获得对应于所述待识别WiFi CSI数据的小样本输入数据；将所述小样本输入数据输入至小样本对抗学习动作模型，以进行目标位置动作的识别。

于本发明的一实施例中，所述小样本对抗学习动作模型包括：编码器模型，用于对小样本输入数据经过编码；其中，所述小样本输入数据包括：源位置数据以及目标位置数据；源位置解码器模型，用于对经过编码的源位置数据进行解码，获得源位置动作识别类别概率；目标位置解码器模型，用于对经过编码的目标位置数据进行解码，获得目标位置动作识别类别概率；辨别器模型，用于对经过编码的由源位置数据以及目标位置数据拼接的组合数据进行解码，获得组合识别类别概率。

于本发明的一实施例中，所述小样本对抗学习动作模型的训练过程包括：采用源位置数据集仅训练所述编码器模型以及源位置解码器模型的参数；将所述编码器模型的参数冻结，并采用组合数据集仅训练所述辨别器模型的参数；分别利用源位置数据集、目标位置数据集以及组合数据集来交替训练所述编码器模型与源位置解码器模型、所述编码器模型与目标位置解码器模型以及辨别器模型的参数；其中，所述组合数据集由源位置数据以及目标位置数据进行拼接获得。