2024-03-28T18:12:22Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:002133722023-11-14T00:51:14Z06164:06165:07006:10727
時系列WiFiイメージを用いた深層学習によるタグ識別法の検討jpnWiFiイメージング,対象識別,行動認識,深層学習http://id.nii.ac.jp/1001/00213264/Conference Paperhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=213372&item_no=1&attribute_id=1&file_no=1Copyright (c) 2021 by the Information Processing Society of Japan大阪大学大学院情報科学研究科大阪大学大学院情報科学研究科/JSTさきがけ大阪大学大学院情報科学研究科森田, 幸歩内山, 彰東野, 輝夫近年,メンテナンス不要な行動認識手法として,WiFi 電波を使ったセンシング(ワイヤレスセンシング)が注目を集めている.ワイヤレスセンシングは複数の対象が同時に存在する場合に,それらの識別が困難という課題を持つ.本稿では,対象識別の実現のため,銅テープなどの導電性素材により形状に固有のパターンを持たせた導電性タグを作成し,対象に付与する.このタグに電波を照射すると,その固有パターンに応じた反射パターンが観測される.そこで本研究では,WiFi イメージングと呼ばれる手法を用いて,到来方向ごとの電波強度を推定し,タグ特有の反射パターンを捉え,識別する.実際には,タグの位置が変化するとマルチパスフェージングの影響により,イメージング結果は変化する.これに対して,我々は扉や通路などの対象が一定方向に移動する環境を想定し,その際に取得される時系列イメージを用いて,深層学習によりタグを識別する.シミュレーションにより WiFi イメージングの時系列データを再現し,評価を行った.8×8 の受信アレイによる識別を行った結果,タグ識別の正解率は 100% となった.一方,学習データと異なる位置においては正解率 56.75% となり,位置変化による性能低下はあるものの,時系列データを利用することの有効性が確認できた.第29回マルチメディア通信と分散処理ワークショップ論文集1391462021-10-182021-10-14