关于基于WiFi动作识别的一些简单看法

目前使用WiFi信号的RSS， CSI， AOA,能做写什么？1）比较常见的是室内定位：有源定位，无源定位（不携带设备）。其中无源定位又分为主动定位和被动定位，主动定位就是用户积极配合定位，而被动定位就是用户不知道自己被定位，换句话说，用户在没有任何被打扰的情况下提供了信息来进行定位。2）动作识别，其中包括粗粒度的动作如running, walking, sit, stand and so on。 细粒度识别一般包括手势识别，击键识别。更细粒度的包括心跳，呼吸，以及面部情绪，嘴唇识别等。目前都有相应的优秀成果出现。不过这些工作成立的前提都需要一定的限制条件。对于粗粒度动作识别，目前可以做到独立于位置的粗粒度动作识别（同一个动作，在室内的某些位置，可以识别出来，这里的独立位置也仅仅只是独立于室内的某些位置）。对于细粒度动作识别，需要对收发设备的距离有限制，一般不会超过5-8m.并且尽可能做到位于LOS环境下。对于更细粒度的动作如心跳，呼吸等。则需要更加近距离，并且需要高的，稳定的发射数据包率。想获取的更好地效果，有时候还需要增加额外的设备来做辅助。3）跟踪，这个一般称为感知行为。跟踪目标对象，一般涉及到位置和方向即需要用到定位的技术以及动作识别的技术。杨峥老师，他们目前在做这方面的研究，比如估计动作的方向如WiDance；比如估计利用估计速度和位置来跟踪对象如widar。
总结一些面临的问题：1）室内环境的复杂性，如何评估室内环境与WiFi信号变化的关系，能不能找到一种较好的方法来估计两者的关系。2）人体的各个部分对WiFi信号的反射不一样，有些研究团队在做动作识别的过程中，探索如何根据不同身体部位对信号的反射差异来识别人体这个部位并且预测出所做的动作。这里就需要很精细的技术来分离环境对信号的影响，噪音，以及移动对信号的噪音。换句话说，如何抽取有效的发射信号是一个很重的挑战。3）针对device-free动作识别，目前大部分都是预先知道识别的动作。根据训练的结果，然后在分类。如果无训练，没有预先知道的动作该如何去识别动作。虽然有若干个研究团队尝试研究动作与CSI变化的对应模型，但是这个模型的限制条件很高。所以无训练的动作识别也是一个好的研究问题。或者说研究无训练的动作识别也是一个重要的挑战。4）独立位置信息的动作识别，这个很有意思。就是无线设备在房间部署好，人在房间内的任何位置，做同一个动作，都能识别。这个就需要考虑设备的部署问题和位置对动作识别的影响。