[发明专利]一种基于Faster-RCNN的无线信号的时序动作检测和识别方法

说明书

本发明公开了一种基于Faster‑RCNN的无线信号的时序动作检测和识别方法，将视觉领域的Faster‑RCNN框架引入到无线感知领域，根据无线WiFi数据的特点，设计适用于无线信号时序序列的网络框架，同步实现动作检测和分类任务，保障无源感知的效率和精度，为基于WiFi的感知问题，提供了新的研究思路。

技术领域

本发明涉及无线信号行为感知技术领域，具体是涉及一种基于Faster-RCNN的无线信号的时序动作检测和识别方法。

背景技术

随着无线通信技术的迅速发展，无线网络在全球范围内广泛普及，利用泛在无线信号（如WiFi信号）进行环境的人员感知成为一个研究热点。

基于WiFi信号的感知往往需要首先从整个时间序列中提取动作区域，进而完成基于动作区域的行为识别任务。针对无线信号的动作检测，现有的工作大多采用滑窗方式，利用固定大小的窗口在通道状态信息（CSI）时序数据序列上滑动，比较窗口内序列累计变化值和预设的阈值，判断动作的起始点和结束点；进一步利用机器学习算法，完成动作区域的类别识别。对于无线感知领域而言，目前这些方法虽然能够实现无线感知，但其主要基于阈值检测和进一步识别，检测的结果依赖于阈值的设定，而阈值很难设定准确，不同的数据集需要根据数据特点设定不同的阈值；往往初步检测完，还需要进一步调整，没有一个可推广的适用于所有数据集的普适性方法；并且检测和识别任务分离，现有技术中还没有一个同时可实现CSI数据样本级检测和识别的框架，现有方法中的感知模型存在可靠性差、效率低的问题。

发明内容

为解决上述技术问题，本发明提供了一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，该方法将视觉领域的Faster-RCNN框架引入到无线感知领域，设计适用于无线信号时序序列的网络框架，同步实现动作检测和分类任务，不依赖于人为设定的经验值，有效保证检测识别的效率和精度。

本发明所述的一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，包括如下步骤：

步骤1、在室内场景中采集不同动作的WiFi信号并提取通道信号状态信息CSI数据作为样本，对每个样本打上类别标签并标记动作的起点、终点时刻，并将样本划分为训练集和测试集；

步骤2、将训练集的数据输入到主干特征提取网络中，生成一维特征向量；

步骤3、将所述一维特征向量输入到候选区域网络中，生成候选动作区域；

步骤4、将候选动作区域输入到池化层，池化为统一大小特征；

步骤5、利用个预测网络判断池化特征对应区域的动作类别及修正动作框；

步骤6、训练网络模型，并将测试样本输入到训练好的模型中，直接输出测试样本的动作类别和起止点，实现同步的动作识别和检测。

进一步的，步骤1具体为，利用无线路由器作为WiFi发射器，配有Intel 5300的PC机作为接收器，采集无线信号的CSI数据，并采用巴特沃斯低通滤波预处理数据；同时采集视频数据，利用视频数据观察动作起始和结束时间，进而作为CSI数据的起止动作时间点标签；对CSI样本打上类别标签，将采集的无线数据按照一定的比例划分为训练集和测试集。

进一步的，步骤2具体为，将CSI时序序列的通道作为特征通道，设计主干特征提取网络，并将训练数据输入该网络中，将原始的CSI数据变换成一维特征图。

进一步的，步骤3中，所述候选区域网络为全卷积神经网络，输入一维特征向量后，生成一批候选动作区域。

进一步的，步骤4中，采用池化方法将不同长度的候选框内特征转化成相同维度的特征向量。

进一步的，步骤5中，所述预测网络包含分类层和回归层，输出候选动作框类别及偏移量，并利用偏移量对候选动作框进行修正。