3D Human Pose Estimation for Free-from and Moving Activities Using WiFi

WiFi를 사용해서 3d human pose estimation 진행, GoPose로 명칭

장점: non-line-of-sight 영역에 대해서도 예측 가능

 

기존 wifi 방식은 CSI를 사용, 다만 직관적으로 CSI에서는 사람의 spatial 정보를 알기가 어려움

해당 논문에서는 angle of arrival (AoA)를 활용하여 spatial 정보를 추출하려는 시도

 

1D AoA

 

phase shift

 

complex exponential phase shift

 

the phase shifts across the M antennas in the uniform linear array

 

steering matrix for all incident signals

 

최종 AoA는 Multiple Signal Classification(MUSIC) algorithm으로 구해짐
(Ralph Schmidt. 1986. Multiple emitter location and signal parameter estimation. IEEE transactions on antennas and propagation 34, 3 (1986),276–280)

 

2d로 AoA를 구하기위한 방안

 

 

중간 생략

 

 

결과적으로 2가지 형태의 angle(azimuth, elevation), angle of departure(transmitter 사이의 phase 차이를 구하는데 활용), ToF(sub carrier사이의 phase 차이를 구하는데 활용)

 

 

전체적인 시스템 표현, transmitter와 receiver는 최대 3대까지 가능

 

 

배경에 대한 신호를 제거해 준다

 

특정 시간에서 모든 신호가 사람의 모든 부위로부터 반사되어 오지 않는다. 따라서 시간을 누적하여 활용

 

kinect에 나온 skeleton 정보를 GT로 사용하여 학습

 

기존 CSI-based 방식보다 성능이 좋음