基于WiFi CSI的多特征融合的步态识别

吴文杰; 朱耀麟; 梁颖

doi:10.13873/J.1000-9787(2023)03-0144-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于WiFi CSI的多特征融合的步态识别

计算与测试 | 更新时间：2025-09-11

- 基于WiFi CSI的多特征融合的步态识别
- 暂无标题
- 传感器与微系统 2023年第3期页码：144-147+151
- 作者机构：
  
  1. 西安工程大学电子信息学院
  2. 西安工程大学计算机科学学院
- 作者简介：
- 基金信息：
  
  陕西省教育厅重点科研计划资助项目(20JS052);陕西省自然科学基础研究计划资助项目(2021JM—453)
- DOI：10.13873/J.1000-9787(2023)03-0144-04
  中图分类号： TN92
- 纸质出版：2023
- 稿件说明：
移动端阅览
吴文杰, 朱耀麟, 梁颖. 基于WiFi CSI的多特征融合的步态识别[J]. 传感器与微系统, 2023,(3):144-147+151.
吴文杰, 朱耀麟, 梁颖. 基于WiFi CSI的多特征融合的步态识别[J]. 传感器与微系统, 2023,(3):144-147+151. DOI： 10.13873/J.1000-9787(2023)03-0144-04.

DOI：

摘要

基于WiFi信道状态信息(CSI)的步态识别作为一种新型的生物特征识别方案，从步态周期、步速、行走姿势、身体平衡、足底压力等方面的差异进行分析，从而有效识别行人身份。然而，目前大多数基于WiFi CSI的步态识别方案中主要针对人体的运动特征进行识别，鲜见对人体物理形态特征进行分析，这样就导致了特征提取不完整，系统识别率低，鲁棒性差等问题。针对上述情况，提出了一种结合步行时运动特征和相对静止时物理形态特征的多特征融合身份识别方法。该方法利用了一个双流卷积神经网络(CNN)分别提取粗粒度运动特征和细粒度物理形态特征，并将两部分特征融合，进行身份识别。在真实的场景中进行了实验，最高准确率达到97.1%

明显优于现有的识别方案，实验证明了该方法的有效性和通用性。

Abstract

关键词

Keywords

references

基于深度学习的3D时空特征融合步态识别[J]. 赵黎明;张荣;张超越.传感器与微系统,2021(02)

基于手机加速度传感器的人体步态识别研究[J]. 段小虎;蒋刚;留沧海.传感器与微系统,2021(01)

基于声纹识别的智能照明语音识别算法研究[J]. 王建平;马兰兰;孙伟.传感器与微系统,2020(06)

基于慢时间分割的超宽带雷达步态识别[J]. 周金海;王依川;佟京鲆;周世镒;吴翔飞.浙江大学学报(工学版),2020(02)

基于局部熵描述子的步态性别识别方法[J]. 张德.传感器与微系统,2019(08)

行人步态的特征表达及识别综述[J]. 贲晛烨;徐森;王科俊.模式识别与人工智能,2012(01)

Multi-Variations Activity Based Gaits Recognition Using Commodity WiFi[J]. Fei Huan;Xiao Fu;Han Jinsong;Huang Haiping;Sun Lijuan.IEEE Transactions on Vehicular Technology,2020

A Cumulant-Based Method for Gait Identification Using Accelerometer Data with Principal Component Analysis and Support Vector Machine[J]. SEBASTIJAN SPRAGER;DAMJAN ZAZULA.WSEAS Transactions on Signal Processing,2009

浏览量

377

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于足底压力分布的下肢步态识别方法

基于遮挡感知的行人检测与跟踪算法