北大新技术：利用WiFi设备进行人体行为识别！

日前，北京大学信息科学技术学院、高可信软件技术教育部重点实验室“海外高层次人才引进计划”（“千人计划”）张大庆教授团队在利用商业Wi-Fi（即无线保真技术，wireless fidelity）设备进行室内无接触人体行为感知研究取得新进展。基于相关成果的论文《从菲涅耳区衍射模型到利用商业Wi-Fi设备进行细粒度人体呼吸检测》（From Fresnel diffraction model to fine-grained human respiration sensing with commodity Wi-Fi devices）被普适计算领域旗舰会议UbiComp 2018（ACM International Joint Conference on Pervasive and Ubiquitous Computing）接收，文中首次将菲涅耳区衍射模型用于人体呼吸检测，解决了第一菲涅尔区内定量计算无线感知信号与人体活动之间的关系这一难题。论文作者包括张扶桑博士和牛凯、王钰翔等研究生。

该团队于2016年首次将原用于刻画光波传播的菲涅耳区理论引入基于无线电磁波信号的行为识别领域，不仅解释了人体在空间移动是其行为导致无线接收信号产生波长级波动的原因，而且揭示了Wi-Fi信号在室内环境传播的重要性质，并利用这些性质和多载波特点分别提出识别毫米级的细粒度微小活动（如呼吸）、分米级的粗粒度活动（如移动方向）的理论与技术, 奠定了菲涅耳区模型作为无线信号实现毫米级人体行为感知的理论基础（发表于《中国计算机学会通讯》2018年第1期）。基于传统的菲涅耳区衍射原理，他们首次提出了第一菲涅耳区内刻画感知信号与人体活动间关系的理论，并用其解释了不同人体厚度在呼吸检测时效果存在差异的原因，给出人体在卧姿和坐姿进行呼吸检测时不同的最佳检测位置，以及如何调整人体位置以利于有效检测呼吸的原理。该理论除了可指导细粒度微小活动的检测，也可应用于大尺度人体行为的识别（如准确识别人的徒手健身活动）。

此外，张大庆团队还依托北京大学（天津滨海）新一代信息技术研究院，开发出一系列利用商用WiFi设备进行人体行为识别的演示系统，应用包括跌倒检测、呼吸检测、睡眠检测、入侵检测、室内定位跟踪、手势识别、健身活动识别、及老人日常活动识别等，申报国际/国内专利10余项，继在UbiComp 2016/2017发表4篇无线感知相关的长文（regular research paper）之后，今年又有3篇长文被UbiComp 2018录用。

上述工作得到国家重点研发计划、国家自然科学基金和北京大学建设世界一流大学（学科）和特色发展引导专项的支持。编辑：江南

或点击“阅读原文”，查看详情