1、h t t p:/ww w.j s j k x.c o mD O I:1 0.1 1 8 9 6/j s j k x.2 2 0 3 0 0 2 7 8到稿日期:2 0 2 2-0 3-3 0 返修日期:2 0 2 2-0 8-2 1基金项目:国家 自 然 科 学 基 金 面 上 项 目(6 1 9 7 2 0 9 2);郑 州 市 协 同 创 新 重 大 专 项(2 0 X T Z X 0 6 0 1 3);河 南 省 高 等 学 校 重 点 科 研 项 目 计 划(2 1 A 5 2 0 0 4 3)T h i sw o r kw a s s u p p o r t e db yt h e
2、N a t i o n a lN a t u r a l S c i e n c eF o u n d a t i o no fC h i n a(6 1 9 7 2 0 9 2),C o l l a b o r a t i v e I n n o v a t i o nM a j o rP r o j e c to fZ h e n g z h o u(2 0 X T Z X 0 6 0 1 3)a n dR e s e a r c hF o u n d a t i o nP l a n i nH i g h e rE d u c a t i o nI n s t i t u t i o n
3、 so fH e n a nP r o v i n c e(2 1 A 5 2 0 0 4 3).通信作者:段鹏松(d u a n p s z z u.e d u.c n)W i D o o r:一种近距离非接触式身份识别方法曹晨阳杨晓东段鹏松郑州大学网络空间安全学院 郑州4 5 0 0 0 2(c a o c h e n y a n g 3 3 2 5g m a i l.c o m)摘 要 基于W i-F i感知的非接触式身份识别技术快速发展,在智能安防、人机交互领域展现出较好的应用潜力。研究发现,现有的轻量级身份识别模型在近距离场景下,识别准确率会随信号收发端距离的缩短而大幅下降。为此,提
4、出了一种基于W i-F i感知的近距离非接触式身份识别方法W i D o o r。在数据采集阶段,该方法借助菲涅尔传播模型对接收端天线部署方案进行优化,并重构多天线步态信息以获得更完整的步态特征;在身份识别阶段,使用串联卷积模块和多分支多尺度卷积模块相结合的轻量级卷积模型,在降低计算复杂度的同时保持了较高的识别准确率。实验结果显示,W i D o o r在收发端间距为1m的1 0人数据集上识别准确率高达9 9.1%,且内置模型的参数量仅为同精度模型的2%,相比同类方法具有明显的优势。关键词:W i-F i感知;近距离身份识别;天线部署优化;卷积神经网络中图法分类号 T P 3 9 1 W i
5、D o o r:C l o s e-r a n g eC o n t a c t l e s sH u m a nI d e n t i f i c a t i o nA p p r o a c hC A OC h e n y a n g,YAN GX i a o d o n ga n dD UANP e n g s o n gS c h o o l o fC y b e rS c i e n c ea n dE n g i n e e r i n g,Z h e n g z h o uU n i v e r s i t y,Z h e n g z h o u4 5 0 0 0 2,C h i
6、 n a A b s t r a c t T h e r a p i dd e v e l o p m e n t o f c o n t a c t l e s s i d e n t i f i c a t i o nt e c h n o l o g yb a s e do nW i-F i s e n s i n gh a ss h o w ne x c e l l e n t a p p l i c a t i o np o t e n t i a l i nt h e f i e l d so f i n t e l l i g e n th u m a n-c o m p u t
7、 e r i n t e r a c t i o na n di n t e l l i g e n ts e c u r i t y.H o w e v e r,i th a sb e e nf o u n dt h a t i nn a r-r o wi n d o o r s c e n a r i o s,a c c u r a c yo f e x i s t i n g l i g h t w e i g h t i d e n t i f i c a t i o nm o d e l d e c r e a s e sw i t ht h es h o r t e n i n g
8、o f t r a n s c e i v e rd i s t a n c e.T os o l v e t h ea b o v ep r o b l e m,ac l o s e-r a n g ea n dc o n t a c t l e s s i d e n t i f i c a t i o nm e t h o d,W i D o o r,i sp r o p o s e d.D u r i n gt h ed a t aa c q u i s i t i o ns t a g e,W i D o o ro p t i m i z e sa n t e n n ad e p
9、l o y m e n t a t r e c e i v i n ge n db a s e do nF r e s n e l p r o p a g a t i o nm o d e l,a n dr e c o n s t r u c t sg a i t i n f o r m a-t i o no fm u l t i p l e a n t e n n a s t oo b t a i n t h em o r e c o m p l e t eg a i t d e s c r i p t i o n.I n t h e i d e n t i f i c a t i o ns
10、 t a g e,a l i g h t w e i g h t c o n v o l u t i o nm o d e l,w h i c hc o m b i n e st h ec o n c a t e n a t e dc o n v o l u t i o nm o d u l ea n dt h em u l t i-s c a l ec o n v o l u t i o nm o d u l e,i su s e dt or e d u c ec o m p u t a t i o n a lc o m p l e x i t yw h i l ee n s u r i n
11、 gh i g hi d e n t i f i c a t i o na c c u r a c y.E x p e r i m e n t a lr e s u l t ss h o wt h a tW i D o o ra c h i e v e si d e n t i f i c a t i o na c c u r a c yr a t eo f 9 9.1%o n t h e1 0-p e r s o nd a t a s e t c o l l e c t e da t t h e t r a n s c e i v e rd i s t a n c eo f 1m.M o r
12、 e o v e r,p a r a m e t e r q u a n t i t yo f i d e n t i f i c a t i o nm o d e l i so n l y2%o f t h o s ew i t ht h es a m e i d e n t i f i c a t i o na c c u r a c y,w h i c ho u t p e r f o r m so t h e r s i m i l a rm e t h o d s.K e y w o r d s W i-F i s e n s i n g,C l o s e-r a n g e i
13、d e n t i f i c a t i o n,A n t e n n ad e p l o y m e n to p t i m i z a t i o n,C o n v o l u t i o n a l n e u r a l n e t w o r k 1 引言近年来,身份识别作为人机交互的重要内容,受到研究者的持续关注。现有以指纹1-2、声纹3-5、和虹膜6-8等生物信息为特征载体的身份识别技术识别效果较好,但部署成本较高。计算机视觉技术的迅速发展,使得借助摄像机获取图像序列信息进行身份识别的技术得到广泛研究和应用9-1 1。但是,该类技术易受光照和障碍物遮挡影响,且存在潜在的
14、隐私泄露风险。随着商用W i-F i设备的迅速普及,基于W i-F i信号的身份识别技术凭借非接触、易部署、高隐私保护性及不受光照影响等优势成为新兴研究方向。步态是 个 体 独 有 的 生 物 属性,可以作为身份识别的主要依据1 2,本文后续身份识别方法主要基于步态特征分类。2 0 0 0年,B a h l等首次提出了利用W i-F i信号强度(R e-c e i v e dS i g n a lS t r e n g t h,R S S)进行室内定位的系统R a d a r1 3,引发了一波借助R S S进行人体检测和识别研究的热潮。由于发射功率有限,R S S受多径效应影响明显,因此只能用
15、于粗粒度人体行为的识别。2 0 1 1年,H a l p e r i n等发布了C S It o o l工具1 4,极大地方便了借助商用W i-F i网卡对感知、抗干扰能力更强的信道状态信息(C h a n n e lS t a t e I n f o r m a t i o n,C S I)的提取。与此同时,深度学习技术的迅速发展,使得从复杂C S I数据中提取感知特征的能力大大增强,进一步提升了利用W i-F i信号进行身份识别的准确率。从R S S到C S I,从机器学习到深度学习,身份识别研究不断深入。目前,基于W i-F i信号的身份识别研究取得了一定进展,但仍存在不足。实际场景中,
16、身份识别设备往往被设置在空间狭窄的场所入口处,而现有基于W i-F i信号的身份识别算法主要针对收发端间距较大的场景。实验发现,基于W i-F i信号的轻量级模型的识别准确率会随着收发端距离的缩短而大幅下降。为此,本文提出了一种基于W i-F i信号的近距离身份识别方法W i D o o r。该方法可应用于人员规模不大的办公场所的日常签到与身份识别。与指纹、人脸识别等传统身份识别相比,W i D o o r基于现有商用W i-F i设备,既“通讯”又“识别”,降低了身份识别的布置成本。此外,其非接触的特点可以有效降低病毒传播风险。本文的主要贡献如下:(1)对轻量级身份识别模型在收发端距离缩短后识别效果大幅下降的原因进行分析,并在此基础上优化接收端天线部署,以收集更完整的步态信息,并通过实验验证了其有效性。(2)针对边缘设备的资源受限性,提出了一种轻量级识别模型。该模型通过将串联卷积模块和多尺度特征提取模块相结合的方式,降低了轻量级识别模型在步态信息匮乏的情况下由于压缩网络层数和神经元个数对识别效果造成的负面影响。实验结果表明,该模型在收发端间距为1 m的场景下收集的1 0人数据集上识别