CN105807935B - 一种基于WiFi的手势控制人机交互系统 - Google Patents
一种基于WiFi的手势控制人机交互系统 Download PDFInfo
- Publication number
- CN105807935B CN105807935B CN201610198331.XA CN201610198331A CN105807935B CN 105807935 B CN105807935 B CN 105807935B CN 201610198331 A CN201610198331 A CN 201610198331A CN 105807935 B CN105807935 B CN 105807935B
- Authority
- CN
- China
- Prior art keywords
- signal
- wifi
- gesture
- csi
- movement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
- G06V40/113—Recognition of static hand signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种基于WiFi的手势控制人机交互系统,包括:一信号采集模块,从WIFI信号中获取物理层包含用户动作的通道状态信息CSI;一信号处理模块,对采集的信号进行处理,包括去噪、滤波和平滑处理操作;一手势动作提取模块,根据信号处理模块中得到的信号进行手势动作信息提取;一动作指令映射模块,用于从手势动作提取模块中获取手势动作数据,并将其映射成对应的计算机操作指令。利用WiFi信号,不需要用户穿戴任何特制设备,通过采集物理层的通道状态信息,提取并识别其中包含的手势信息,映射到相应的计算机操作指令,实现人体交互。成本低廉,系统具有低耦合和可扩展性。
Description
技术领域
本发明涉及一种手势控制人机交互系统,具体涉及一种基于WiFi的手势控制人机交互系统。
背景技术
在当前主流的人机交互技术中,大部分都是基于传感器和摄像头的,例如微软的Xbox Kinect,以及Leap公司的Leap Motion都是基于摄像头识别人体动作的人机交互技术。中国科学院计算技术研究所研制成功了基于多功能感知的中国手语识别与合成系统,它采用基于多种传感器的数据手套,识别大词汇量(5177个)的手语词。而这两种主流的人机交互技术都需要采用额外的专用设备,如摄像头和多功能传感器,设备费用较高。
基于摄像头的人机交互技术可能涉及用户的个人隐私,并且对光照条件比较敏感。基于传感器的人机交互技术需要用户始终穿戴传感设备,实际使用不方便。另外一种类似的产品是基于语音识别的动作控制系统,但这种系统在嘈杂环境下效果不够理想,且聋哑人用户基本无法使用此类产品。
无线电信号不仅可用于传输数据,还可以用来感知环境。在室内环境下,信号发射机产生的无线电波经由直射、反射、散射等多条路径传播,在信号接收机处形成的多径叠加信号携带反映环境特征的信息。相对于专用雷达信号甚至UWB信号,WiFi在普适性上具有巨大优势。WiFi环境感知技术应用广泛。在涉密区域监控、灾难应急响应、重要物品保护等安全攸关应用中,需要及时发现未携带任何无线通信设备的人员在敏感区域的出现和活动。除了安全保卫方面,被动式人员检测还可广泛应用于各种普适计算的应用中,提供更好的基于用户位置的服务。除此之外,WiFi环境感知技术还可应用于检测人体姿势、手势、呼吸等细粒度的姿态或者微小的运动。
发明内容
针对上述存在的技术问题,本发明目的是:提供了一种基于WiFi的手势控制人机交互系统,利用WiFi信号,不需要用户穿戴任何特制设备,通过采集物理层的通道状态信息,提取并识别其中包含的手势信息,映射到相应的计算机操作指令,实现人体交互。成本低廉,系统具有低耦合和可扩展性。
本发明的技术方案是:
一种基于WiFi的手势控制人机交互系统,其特征在于,包括:
一信号采集模块,从WIFI信号中获取物理层包含用户动作的通道状态信息CSI;
一信号处理模块,对采集的信号进行处理,包括去噪、滤波和平滑处理操作;
一手势动作提取模块,根据信号处理模块中得到的信号进行手势动作信息提取;
一动作指令映射模块,用于从手势动作提取模块中获取手势动作数据,并将其映射成对应的计算机操作指令。
优选的,所述信号采集模块采用Linux系统下CSI信息收集工具包修改计算机无线网卡驱动。
优选的,所述信号处理模块的信号处理包括以下步骤:
a.对获取的信号选择带通滤波器进行滤波,通过对滤波器设置合理的参数,去除信号中包含的大部分高频环境噪音;
b.将经过滤波器处理后的信号进行主成分分析,选择其中包含手势信息最丰富的三个主成分波形,将这三个波形依次进行一次离散小波变换DWT,保留DWT后的近似系数用于特征提取。
优选的,所述手势动作提取模块进行手势动作信息提取包括以下步骤:
a.信号经过小波分析压缩后得到近似波形;
b.采用动作检测算法检测包含的动作信息分片,记录所有被检测到的动作起始-终止点。
优选的,所述动作检测算法包括以下步骤:
(1)以检测信号突然上升或下降作为一个动作的起始或终止点;
(2)以步长为1的跨度检测经过处理后的CSI信号,当信号幅值超过平均水平的60%时开始检测为动作的起始点,假设当前检测的数据点为CSI信号的第j个数据点;
(3)计算动作起始点为:s=j-B;终止点为:e=j+t+B;其中,t为目标用户动作平均数据点个数,B为动作分片两边的保护间隔,重复步骤(1)直至数据点检测结束。
优选的,所述动作指令映射模块包括采用动态时间规整计算样本距离,对动作进行分类;将识别的动作映射成对应的计算机操作指令。
本发明还公开了一种基于WiFi的手势控制人机交互方法,其特征在于,包括以下步骤:
S01:从WIFI信号中获取物理层包含用户动作的通道状态信息CSI;
S02:对获取的信号选择带通滤波器进行滤波,通过对滤波器设置合理的参数,去除信号中包含的大部分高频环境噪音;将经过滤波器处理后的信号进行主成分分析,选择其中包含手势信息最丰富的三个主成分波形,将这三个波形依次进行一次离散小波变换DWT,保留DWT后的近似系数用于特征提取;
S03:信号经过小波分析压缩后得到近似波形,采用动作检测算法检测包含的动作信息分片,记录所有被检测到的动作起始-终止点;
S04:采用动态时间规整计算样本距离,对动作进行分类;将识别的动作映射成对应的计算机操作指令。
优选的,所述动作检测算法包括以下步骤:
(1)以检测信号突然上升或下降作为一个动作的起始或终止点;
(2)以步长为1的跨度检测经过处理后的CSI信号,当信号幅值超过平均水平的60%时开始检测为动作的起始点,假设当前检测的数据点为CSI信号的第j个数据点;
(3)计算动作起始点为:s=j-B;终止点为:e=j+t+B;其中,t为目标用户动作平均数据点个数,B为动作分片两边的保护间隔,重复步骤(1)直至数据点检测结束。
本发明针对无线网络环境下利用WiFi信号实现人机交互的问题,设计了一种基于WiFi的手势控制人机交互系统架构,包括信号采集,信号处理,手势动作提取,动作指令映射等模块。各模块功能明确,相互分离。与传统的人机交互方式相比,不需要额外定制硬件或者用户穿戴传感器,采用环境中广泛存在的WiFi信号作为信息载体,通过提取物理层的通道状态信息以识别人体动作,进而实现人体交互。适合在无线网络环境下用户手势实现人机交互。
与现有技术相比,本发明的优点是:
1、系统采用环境中广泛存在的WiFi信号,既不需要任何特制硬件设备,也不需要用户穿戴多功能传感器,就可以实现功能相似的人机交互操作。
2、由于WiFi信号可以穿墙的特性,在WiFi信号状况好的情况下,系统可以实现穿墙情形下的用户动作识别。
3、利用开源工具包修改Intel 5300 NIC网卡驱动来获取表示WiFi信号细粒度变化的CSI信息,相比基于摄像头/传感器的方式更简便,造价低。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为本发明实施例中原始信号中人体动作信息波形和经过Butterworth滤波器后的人体动作信息波形对比;
图2为本发明实施例中CSI信号经过主成分分析后去除前两个主成分中的噪音成分所采用的算法流程图;
图3为本发明实施例中系统架构图;
图4为本发明实施例中系统处理流程图;
图5为本发明实施例中手势动作检测算法流程图(设定目标用户连续做两个动作的间隔为2s);
图6为本发明实施例中经过信号处理后得到的目标用户在发射器-接收器之间做up-down手势动作的信号波形。
具体实施方式
以下结合具体实施例对上述方案做进一步说明。应理解,这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以根据具体厂家的条件做进一步调整,未注明的实施条件通常为常规实验中的条件。
实施例:
一种基于WiFi的手势控制人机交互系统,其系统架构图如图3所示,系统处理流程图如图4所示,其中:信号采集模块获取无线网络环境下物理层的通道状态信息(CSI)后,交给信号处理模块对原始信号进行去噪、滤波、平滑等信号处理操作,经过处理后的CSI数据输入动作提取模块。手势动作提取模块根据CSI波形的特征,采用适当的分片算法提取其中包含的目标用户动作分片。动作提取模块提取得到的目标用户动作分片经过动作指令映射模块,采用分类算法对目标用户动作进行分类识别,并映射成相应的计算机操作指令。
1.信号采集模块
信号采集模块主要由Intel 5300NIC和Linux 802.11n CSI Tool组成。Linux802.11n CSI Tool是2011年SIGCOMM上发布的一款修改Intel 5300NIC网卡驱动,并获取其中细粒度通道状态信息(CSI)的工具包。通过在Ubuntu 12.04系统下配置该工具包,修改Intel 5300NIC网卡驱动来获取物理层CSI信息。环境中发射器是D-link 11AC750M路由器,工作在5G Hz频带。接收器是系统所在的台式电脑(Pentium(R)Dual-core 3.20Hz 4GRAM)。
Linux 802.11n CSI Tool获取到的CSI信息是以矩阵的形式表示单个发射-接收天线对之间的信号增益和相位,矩阵的每一个元素都是一个复数。假设发射天线数量为Nt,接收天线数量为Nr,那么接收器和发射器之间存在Nt×Nr个流(stream),每一个流包含30个子载波(subcarrier),总包含30×Nt×Nr个子载波。
2.信号处理模块
信号处理模块为信号采集模块中获取的原始CSI信号进行去噪、滤波、平滑等信号处理操作,以使其能更好地在手势动作提取模块中被识别为目标用户动作。在系统中,信号处理模块的流程如下所示:
a.首先从信号采集模块获取采集得到的原始信号。由于Butterworth低通滤波器不会很大程度扭曲原始信号的相位信息,并且通带有较大的平坦振幅响应,可以极大程度保留由手势动作造成的信号相位变化。所以选择Butterworth低通滤波器对原始信号进行滤波,通过对滤波器设置合理的参数,去除信号中包含的大部分高频环境噪音;原始信号中人体动作信息波形和经过Butterworth滤波器后的人体动作信息波形对比如图1所示。
b.经过滤波后的信号如果还包含有一部分噪音,可以进一步采用主成分分析(PCA)的方法来去噪。将经过Butterworth处理后的信号再通过PCA,利用如图2的算法去除其中存在的噪音成分。
挑选经过主成分分析后前4个主成分P1、P2、P3、P4;
根据信号实际波形,将P1,P2划分为R个bins(本次实验取R=10);
比较两者对应bin的方差;P1,P2中包含方差大的bin数量多者当成噪音被丢弃。
c.经过PCA后的CSI波形保留了包含手势信息最丰富的三个主成分(P1P3P4或者P2P3P4);将这三个波形一次进行一次离散小波变换(DWT),保留DWT后的近似系数用于特征提取。
3.手势动作提取模块
经过信号处理模块后的CSI信号可以很明显地看出其中包含的人体动作信息,如图6是目标用户在接收器-发射器(TX-RX)之间做up-down手势经过信号处理模块后得到的波形;其中从上至下依次为:主成分分析后得到的第一个主成分,主成分分析后得到的第二个主成分,原始信号经过Butterworth低通滤波器后得到波形,最后是30个子载波做主成分分析后选取的主成分数与对应特征值关系(一般取特征值达到0.9对应的主成分数即可)。
手势动作提取模块主要步骤如下:
a.首先根据经过信号处理模块处理后得到的CSI波形小波分析后近似系数得到信号被压缩后的近似波形。
b.根据信号经过小波分析压缩后得到的近似波形,采用如图5的动作检测算法检测包含的动作信息分片;
c.记录所有被检测到的动作起始-终止点,保存并输入下一个模块。
4.动作指令映射模块
动作指令模块在本系统中主要用作两类功能:a.采用动态时间规整计算样本距离的KNN算法对动作进行分类;b.将识别的动作映射成为对应的计算机操作指令。
本实施例进行模拟运行时,基于WiFi的手势控制人机交互系统使用的硬件和软件各有2类:
硬件
1、作为信号发射器使用的D-link 11AC750M工作频带为5GHz的路由器;
2、作为系统载体和接收器使用的实验计算机(台式机或笔记本),需要配备Intel5300 NIC;
软件
1、利用Linux 802.11n CSI Tool工具包从物理层采集的通道状态信息需要使用MATLAB进行信号处理;
2、实验计算机工作系统为Ubuntu12.04,需要配置修改无线网卡驱动的Linux802.11n CSI Tool工具包。
具体来说,目标用户可以在发射器和接收器之间做手势,本发明实例中要求目标用户做连续两个手势时间间隔为2s,接收器采样率为1000samples/s。在实际环境中可能存在多个用户同时做动作的情况,这样会对系统准确识别目标用户动作造成干扰。本发明实例要目标用户离接收器的距离要比其他干扰用户近,这样目标用户在接收器采集的物理层CSI信号中表现最明显,借此去除干扰用户的影响。
上述实例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于WiFi的手势控制人机交互系统,其特征在于,包括:
一信号采集模块,从WiFi信号中获取物理层包含用户动作的通道状态信息CSI;
一信号处理模块,对采集的信号进行处理,包括去噪、滤波和平滑处理操作;
一手势动作提取模块,根据信号处理模块中得到的信号进行手势动作信息提取;所述手势动作提取模块进行手势动作信息提取包括以下步骤:
a.信号经过小波分析压缩后得到近似波形;
b.采用动作检测算法检测包含的动作信息分片,记录所有被检测到的动作起始点-终止点;
所述动作检测算法包括以下步骤:
(1)以检测信号突然上升或下降作为一个动作的起始点或终止点;
(2)以步长为1的跨度检测经过处理后的CSI信号,当信号幅值超过平均水平的60%时开始检测为动作的起始点,假设当前检测的数据点为CSI信号的第j个数据点;
(3)计算动作起始点为:s=j-B;终止点为:e=j+t+B;其中,t为目标用户动作平均数据点个数,B为动作分片两边的保护间隔,重复步骤(1)直至数据点检测结束;
一动作指令映射模块,用于从手势动作提取模块中获取手势动作数据,并将其映射成对应的计算机操作指令。
2.根据权利要求1所述的基于WiFi的手势控制人机交互系统,其特征在于,所述信号采集模块采用Linux系统下CSI信息收集工具包修改计算机无线网卡驱动。
3.根据权利要求1所述的基于WiFi的手势控制人机交互系统,其特征在于,所述信号处理模块的信号处理包括以下步骤:
a.对获取的信号选择带通滤波器进行滤波,通过对滤波器设置合理的参数,去除信号中包含的大部分高频环境噪音;
b.将经过滤波器处理后的信号进行主成分分析,选择其中包含手势信息最丰富的三个主成分波形,将这三个波形依次进行一次离散小波变换DWT,保留DWT后的近似系数用于特征提取。
4.根据权利要求1所述的基于WiFi的手势控制人机交互系统,其特征在于,所述动作指令映射模块包括采用动态时间规整计算样本距离,对动作进行分类;将识别的动作映射成对应的计算机操作指令。
5.一种基于WiFi的手势控制人机交互方法,其特征在于,包括以下步骤:
S01:从WiFi信号中获取物理层包含用户动作的通道状态信息CSI;
S02:对获取的信号选择带通滤波器进行滤波,通过对滤波器设置合理的参数,去除信号中包含的大部分高频环境噪音;将经过滤波器处理后的信号进行主成分分析,选择其中包含手势信息最丰富的三个主成分波形,将这三个波形依次进行一次离散小波变换DWT,保留DWT后的近似系数用于特征提取;
S03:信号经过小波分析压缩后得到近似波形,采用动作检测算法检测包含的动作信息分片,记录所有被检测到的动作起始点-终止点;所述动作检测算法包括以下步骤:
(1)以检测信号突然上升或下降作为一个动作的起始点或终止点;
(2)以步长为1的跨度检测经过处理后的CSI信号,当信号幅值超过平均水平的60%时开始检测为动作的起始点,假设当前检测的数据点为CSI信号的第j个数据点;
(3)计算动作起始点为:s=j-B;终止点为:e=j+t+B;其中,t为目标用户动作平均数据点个数,B为动作分片两边的保护间隔,重复步骤(1)直至数据点检测结束;
S04:采用动态时间规整计算样本距离,对动作进行分类;将识别的动作映射成对应的计算机操作指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610198331.XA CN105807935B (zh) | 2016-04-01 | 2016-04-01 | 一种基于WiFi的手势控制人机交互系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610198331.XA CN105807935B (zh) | 2016-04-01 | 2016-04-01 | 一种基于WiFi的手势控制人机交互系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105807935A CN105807935A (zh) | 2016-07-27 |
CN105807935B true CN105807935B (zh) | 2019-01-11 |
Family
ID=56459206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610198331.XA Expired - Fee Related CN105807935B (zh) | 2016-04-01 | 2016-04-01 | 一种基于WiFi的手势控制人机交互系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105807935B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106323330B (zh) * | 2016-08-15 | 2019-01-11 | 中国科学技术大学苏州研究院 | 基于WiFi动作识别系统的非接触式计步方法 |
CN106407905B (zh) * | 2016-08-31 | 2019-05-14 | 电子科技大学 | 基于机器学习的无线感知动作识别方法 |
CN106446828A (zh) * | 2016-09-22 | 2017-02-22 | 西北工业大学 | 一种基于Wi‑Fi信号的用户身份识别方法 |
CN106792743B (zh) * | 2016-12-01 | 2020-01-21 | 佛山科学技术学院 | 一种基于手势识别的无线组网方法 |
CN107067031B (zh) * | 2017-03-29 | 2020-10-23 | 西北大学 | 一种基于Wi-Fi信号的书法姿态自动识别方法 |
CN107102729A (zh) * | 2017-04-05 | 2017-08-29 | 河南师范大学 | 一种基于csi手势识别的ppt演示控制系统 |
CN107633227B (zh) | 2017-09-15 | 2020-04-28 | 华中科技大学 | 一种基于csi的细粒度手势识别方法和系统 |
CN107862295B (zh) * | 2017-11-21 | 2021-04-02 | 武汉大学 | 一种基于WiFi信道状态信息识别面部表情的方法 |
CN108459706A (zh) * | 2018-01-24 | 2018-08-28 | 重庆邮电大学 | 基于相对运动轨迹跟踪的Wi-Fi手势识别方法 |
US11579703B2 (en) * | 2018-06-18 | 2023-02-14 | Cognitive Systems Corp. | Recognizing gestures based on wireless signals |
CN109032352B (zh) * | 2018-07-17 | 2021-07-06 | 广州致远电子有限公司 | 手势信号处理方法和装置 |
CN109766951A (zh) * | 2019-01-18 | 2019-05-17 | 重庆邮电大学 | 一种基于时频统计特性的WiFi手势识别 |
KR102257994B1 (ko) * | 2019-09-02 | 2021-05-31 | 삼성전자주식회사 | 근접 여부를 판별하는 방법 및 디바이스 |
CN110737201B (zh) * | 2019-10-11 | 2020-10-09 | 珠海格力电器股份有限公司 | 一种监护方法、装置、存储介质及空调 |
CN112034433B (zh) * | 2020-07-09 | 2024-01-12 | 深圳市领冠检测技术有限公司 | 一种基于干扰信号重构的穿墙无源移动目标检测方法 |
CN114095525B (zh) * | 2020-07-31 | 2023-07-21 | 荣耀终端有限公司 | 一种设备控制方法、装置、电子设备和存储介质 |
CN112733609B (zh) * | 2020-12-14 | 2023-08-18 | 中山大学 | 一种基于离散小波变换的领域自适应Wi-Fi手势识别方法 |
CN114035689A (zh) * | 2021-11-26 | 2022-02-11 | 朱芳程 | 一种基于人工智能的可追随飞行人机交互系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123007A (zh) * | 2014-07-29 | 2014-10-29 | 电子科技大学 | 一种多维加权的3d动态手势识别方法 |
CN104615244A (zh) * | 2015-01-23 | 2015-05-13 | 深圳大学 | 手势自动识别方法及系统 |
CN105303743A (zh) * | 2015-09-15 | 2016-02-03 | 北京腾客科技有限公司 | 基于WiFi的室内入侵检测方法和装置 |
-
2016
- 2016-04-01 CN CN201610198331.XA patent/CN105807935B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123007A (zh) * | 2014-07-29 | 2014-10-29 | 电子科技大学 | 一种多维加权的3d动态手势识别方法 |
CN104615244A (zh) * | 2015-01-23 | 2015-05-13 | 深圳大学 | 手势自动识别方法及系统 |
CN105303743A (zh) * | 2015-09-15 | 2016-02-03 | 北京腾客科技有限公司 | 基于WiFi的室内入侵检测方法和装置 |
Non-Patent Citations (2)
Title |
---|
"Understanding and Modeling of WiFi Signal Based";Wei Wang等;《Biliometrics》;20150907;第65-76页 * |
"WiGest:A Ubiquitous WiFi-based Gesture Recognition System";Heba Abdelnasser等;《Computer Communication(INFOCOM)》;20150824;第1472-1480页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105807935A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105807935B (zh) | 一种基于WiFi的手势控制人机交互系统 | |
Wu et al. | TW-See: Human activity recognition through the wall with commodity Wi-Fi devices | |
Yang et al. | MU-ID: Multi-user identification through gaits using millimeter wave radios | |
Ding et al. | WiFi CSI-based human activity recognition using deep recurrent neural network | |
CN107968689B (zh) | 基于无线通信信号的感知识别方法及装置 | |
CN105844216B (zh) | 一种利用WiFi信号识别手写字母的检测与匹配机制 | |
CN101976330B (zh) | 手势识别方法和系统 | |
CN106899968A (zh) | 一种基于WiFi信道状态信息的主动非接触身份认证方法 | |
US11913970B2 (en) | Wireless motion detection using multiband filters | |
CN106919958B (zh) | 一种基于智能手表的人体手指动作识别方法 | |
CN113609976B (zh) | 一种基于WiFi设备的方向敏感多手势识别系统及方法 | |
Zhu et al. | NotiFi: A ubiquitous WiFi-based abnormal activity detection system | |
CN109076077A (zh) | 具有基于姿势的访问控制的安全系统 | |
CN110059612A (zh) | 一种基于信道状态信息的位置无关的手势识别方法及系统 | |
CN108629170A (zh) | 身份识别方法以及相应的装置、移动终端 | |
CN111142668B (zh) | 一种基于Wi-Fi指纹的定位和活动手势联合识别的交互方法 | |
CN110730473A (zh) | 面向WiFi活动识别的信号特征提取方法 | |
Mei et al. | WiWave: WiFi-based human activity recognition using the wavelet integrated CNN | |
CN113051972A (zh) | 一种基于WiFi的手势识别系统 | |
CN109431526A (zh) | 基于wifi的驾驶状态识别方法及系统 | |
Bocus et al. | UWB and WiFi systems as passive opportunistic activity sensing radars | |
CN111597985A (zh) | 设备佩戴的动态识别方法、装置和电子设备 | |
CN108761542A (zh) | 一种基于WiFi信号的被动式目标探测方法 | |
Man et al. | PWiG: A phase-based wireless gesture recognition system | |
Bocus et al. | A comparison of UWB CIR and WiFi CSI for human activity recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190111 |