EyeFi: Fast Human Identification Through Vision and WiFi-based Trajectory Matching.
EyeFi: Fast Human Identification Through Vision and WiFi-based Trajectory Matching.
复制标题
DOI：
10.1109/dcoss49796.2020.00022
复制
发表时间：
2020-05
期刊：
影响因子：
--
通讯作者：
Nirjon S
中科院分区：
文献类型：
--
作者：
Fang S;Islam T;Munir S;Nirjon S
人体传感、运动轨迹估计和识别是零售商店、监控、公共安全、公共广播、智能家居和城市以及访问控制等许多领域的广泛应用的核心。现有的解决方案要么需要面部识别，要么需要安装和维护多个单元，要么缺乏长期的重新识别能力。在本文中，我们提出了一种名为EyeFi的新系统，它将WiFi和摄像头结合在一个独立的设备上，以克服这些限制。EyeFi将WiFi芯片组集成到高架摄像头上，并融合从视觉和RF模态获得的运动轨迹，以识别个人。为了做到这一点，EyeFi使用学生-教师模型来训练神经网络，以根据CSI值估计WiFi数据包的到达角（AoA）。基于使用真实世界数据的广泛评估，我们观察到EyeFi将基于WiFi CSI的AoA估计精度提高了30%以上，并提供了3，800倍于最先进解决方案的计算速度。在现实环境中，当人数在2到10人之间变化时，EyeFi的人员识别准确率平均为75%。
Human sensing, motion trajectory estimation, and identification are central to a wide range of applications in many domains such as retail stores, surveillance, public safety, public address, smart homes and cities, and access control. Existing solutions either require facial recognition or installation and maintenance of multiple units, or they lack long-term re-identification capability. In this paper, we propose a novel system – called EyeFi– that combines WiFi and camera on a standalone device to overcome these limitations. EyeFi integrates a WiFi chipset to an overhead camera and fuses motion trajectories obtained from both vision and RF modalities to identify individuals. In order to do that, EyeFi uses a student-teacher model to train a neural network to estimate the Angle of Arrival (AoA) of WiFi packets from the CSI values. Based on extensive evaluation using real-world data, we observe that EyeFi improves WiFi CSI based AoA estimation accuracy by more than 30% and offers 3,800 times computational speed over the state-of-the-art solution. In a real-world environment, EyeFi’s accuracy of person identification averages 75% when the number of people varies from 2 to 10.
登录
查看更多内容
影响因子：
2.8
作者：
Halperin, Daniel;Hu, Wenjun;Wetherall, David
通讯作者：
Wetherall, David
影响因子：
10.6
作者：
Wang, Xuyu;Gao, Lingjun;Mao, Shiwen
通讯作者：
Mao, Shiwen
影响因子：
10.6
作者：
Kianoush, Sanaz;Savazzi, Stefano;Giussani, Matteo
通讯作者：
Giussani, Matteo
影响因子：
4.3
作者：
Savazzi, Stefano;Rampa, Vittorio;Giussani, Matteo
通讯作者：
Giussani, Matteo
影响因子：
2.8
作者：
Kotaru, Manikanta;Joshi, Kiran;Katti, Sachin
通讯作者：
Katti, Sachin