面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术( 四 )


CrowdOS系统自2019年9月开源上线以来已经有包括美、英、日、法、加、澳等在内的20余国家科研人员访问和一万余次下载,相关成果得到包括新华社、人民网、新浪网、凤凰网、文汇报、中国青年报等知名媒体的广泛报道,并已在城市管理、公共安全等领域开展了示范应用。
二、无线感知
结合无线感知关键科学问题,重点在感知覆盖模型、行为识别关键技术等方面开展研究工作。无线感知的基本原理是当无线信号在传播过程中遇到人体,会发生反射、折射、衍射、散射等现象,导致信号的正常传播发生变化,通过分析接收信号的变化模式,便可感知人的行为。当前,无线感知领域主要有两种研究思路,其一是基于接收信号的变化模式,通过机器学习方法训练模型,实现行为识别或分类,即基于信号模式的感知;其二是基于物理模型或原理,探索无线感知的一般机理,推导特定物理量(如位置、速度、角度等)与接收信号特征间的量化关系,进而基于物理量和信号特征识别人的行为,即基于理论模型的感知。
基于信号模式的感知方法缺乏对无线感知机理的深层理解,识别模型的性能依赖于信号采集的环境因素,往往随着环境改变而大幅下降,无法有效解决多人行为鲁棒识别等复杂感知问题,因此基于理论模型的感知方法受到越来越多的关注。
【 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术】1.无线感知覆盖模型
当前关于无线感知机理最具代表性的研究进展是基于菲涅尔区[注1]的无线感知模型[19]。该模型由北京大学张大庆教授团队于2016 年提出,揭示了无线感知场景下,当被感知对象位于不同菲涅尔区时,其反射的信号与视距路径信号叠加后,会由于两路信号的相位关系不同形成不同的叠加效果。当被感知对象位于奇数/偶数菲涅尔区边界时,叠加信号分别出现加强/减弱的效果。当被感知对象移动时,由于视距路径信号不变而反射信号的相位连续变化,接收信号的振幅会出现类似正弦波的波动,其波峰和波谷刚好对应着奇数和偶数菲涅尔区边界。
菲涅尔区模型不仅揭示了感知目标微小移动与信号波动模式间的量化关系,也揭示了目标在不同位置和朝向活动时信号变化的差异。然而,对不同粒度的行为而言,同一系统具有不同的感知能力,例如覆盖范围的差异。换言之,由于无线信号存在衰减问题,无线感知系统具有有限的感知范围,当目标超出一定范围后,则无法有效感知。针对此,构建基于目标反射面积和相对距离的无线感知覆盖模型(如图14所示),评估系统的感知范围和感知粒度,提出感知范围量化估计方法,可指导无线感知设备的部署[18,20]。
具体而言,由于传播路径越长,反射路径信号到达接收端时强度越弱,具有相同反射传播距离的反射点会形成一个椭球。因此,结合菲涅尔区模型,将感知范围边界建模为一个椭球。同时,目标反射面积越大,产生的回波信号越强,使得总信号中的动态成分更多,相应的感知范围增大。基于此,将人体活动按照反射面的大小划分为三种粒度:细粒度、中粒度、粗粒度。系统对于细粒度动作的感知范围较小,目标只有在距离设备比较近的位置才能被检测到。特别地,这种情况下,目标距离设备(发射器与接收器)越近,其可能从发射端反射越多的信号至接收端。因此,细粒度动作的可感知范围具有一个出现在收发设备中间位置处的内凹。
 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术
文章图片

▲图14 无线感知覆盖模型
另一方面,在空旷处全部接收信号的静态成分主要是由经视距路径传播的信号以及经地面反射的信号组成。此时,静态路径信号的强度主要由发射器和接收器之间的距离决定,即当设备间的距离越大,静态路径信号的强度就越弱。由于静态信号变弱会提升系统对动态信号变化的捕捉能力,因此系统的感知范围会随之增大。综上,在空旷环境中,Wi-Fi无线感知系统的覆盖范围可被建模为一系列的椭球,其中细粒度动作的感知范围会在设备中间位置出现一个内凹。椭球的大小会随着动作发射面的增大而增大,同时也会随着发射器和接收器之间距离的增大而增大。
2.基于无线信号的行为识别
在研究无线感知理论模型的基础上,结合应用需求,进一步研究动静检测、身份识别、呼吸检测等关键技术。
2.1 基于无线感知的动静检测
入侵检测在公共安全领域有着重要的应用价值,高鲁棒动静检测是其重要基础。由于无线感知具有的优势,基于无线信号的动静检测方法受到研究者的广泛关注。在无线感知设备中,由于Wi-Fi具有良好的穿透性,可以提供全方位的覆盖范围,因此基于Wi-Fi研制动静检测系统。不同于传统的分析信号波动程度或利用机器学习算法进行模型训练的方式,创新提出通过分析不同接收天线所接收信号幅值波动间是否存在相位差进行移动物体的检测,可以有效减弱噪声、多径效应以及设备差异对动静检测性能的影响。相关工作发表于国际会议ACM UbiComp 2018 [20]。
 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术
文章图片

▲图15 基于Wi-Fi信号的动静检测
2.2 基于无线感知的身份识别


推荐阅读