[发明专利]一种基于半监督学习的无线跨域动作识别方法

说明书

本发明提出了一种基于半监督学习的无线跨域动作识别方法，根据人体动作对无线信号产生影响的原理，从WiFi信号的CSI数据中提取各子载波的幅值信息进行动作识别。为了解决不易获得大量标注数据的问题，本发明只对少量动作样本标注真实动作标签，然后通过DTW算法计算无标签样本与带标签样本之间的相似度，为无标签样本贴上伪标签，从而扩大训练样本集。为增加动作识别模型的泛化性，实现不同位置或不同人动作识别，本发明提出分类‑聚类综合模型，建立SOM网络对动作样本进行聚类，结合分类和聚类的结果对样本进行最终分类。本发明降低了监督学习模型对大量带标签样本的依赖性，仅使用少量带标签样本结合无标签样本来训练分类模型，具有较高泛化性，能够实现跨域动作识别。

技术领域

本发明涉及一种基于无线信号的动作识别方法，尤其涉及一种基于商用WiFi的采用元学习和半监督学习的跨域动作识别方法。

背景技术

动作识别在人们的日常生活中具有重要意义。随着物联网、普适计算、图形图像、人工智能等领域的迅猛发展，通过技术手段精确识别人的动作已经成为可能并逐渐获得广泛应用。通过动作识别监测人们的日常行为活动，能够有效保证人们日常生活中的健康和安全。目前常用的动作识别技术主要基于视频监控或者内置传感器的可穿戴设备。视频监控方法需要在有光和无遮挡条件下才能正常工作，在无光、弱光或者有障碍物遮挡的情况下难以进行识别。此外，视频监控方法存在隐私泄露风险，不适合部署在卫生间、浴室等私密场景。基于可穿戴设备的动作识别方法不存在隐私侵犯问题，对光线条件没有要求，但是需要人们时刻佩戴该可穿戴设备才能进行识别，带来诸多不便。

鉴于视频监控和可穿戴设备方法的问题，本发明基于WiFi信号进行日常动作识别，如跑、跳、走、蹲下、起立、跌倒等。WiFi信号具有普适性和穿透性，能够有效解决弱光、无光及遮挡情况下的动作识别，且不存在隐私侵犯，也不需要人们穿戴任何设备，是一种低成本、无侵犯、极具前景的动作识别方法。

本发明通过采集商用WiFi设备中的信道状态信息(Channel State Information,CSI)进行动作识别。CSI是一种细粒度物理层信息，描述信号在每条传输路径上的衰弱因子，能够反映信号散射、环境衰弱、距离衰减等信息。利用CSI可以感知环境中的细微变化。当人在覆盖WiFi的空间内进行不同动作时，会对WiFi信号的传播造成不同影响，使得采集到的CSI幅值和相位发生不同变化。根据此原理，我们就可以通过分析CSI数据来进行动作识别。

现有的基于CSI的动作识别方法大多是采集大量动作样本数据，并标注相应的动作标签，通过这些大量的带标签的样本数据训练分类器来对不同动作进行分类识别。这是一种监督学习的方法，其缺点在于：(1)需要大量的带标签的样本数据来训练识别模型，而带标签样本数据的采集和标注成本较高；(2)单一分类器的分类性能和泛化性能较差，当识别来自不同域(如不同位置或不同人)的动作时，分类能力大幅度降低。

发明内容

本发明所要解决的技术问题是，提出了一种依靠少量的带标签样本数据和集成学习模型来实现跨域的无线人员动作识别的方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于半监督学习的无线跨域动作识别方法，包括以下步骤：

1)动作识别环境部署，在识别环境中部署一对支持正交频分复用OFDM和多入多出MIMO的WiFi发射机和WiFi接收机；

2)采集各个域在执行各种动作期间的CSI数据，从CSI数据中提取各子载波幅值作为动作样本；

3)选择部分动作样本标注真实动作标签，形成带标签样本集以及对应标签集；其余动作样本不标注动作标签，形成无标签样本集；

4)基于带标签样本集对无标签样本进行伪标注：

4-1)将每个带标签样本作为一个模板；