.png){kind=icon}
返回
Human behavior recognition based on DualBiNet model
.png){kind=icon}
PRE
AI
DOI：10.1007/s13735-025-00369-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于信道状态信息（CSI）信号的人体行为识别DualBiNet模型。该模型旨在通过深度学习技术，为在特定环境中准确识别多样化人体行为提供有效解决方案。首先，我们回顾了利用CSI信号进行人体行为识别领域的相关知识及近期研究趋势，并强调了其潜在应用。其次，我们详细阐述了本研究采用的数据预处理技术，以提升数据质量和模型性能。随后，我们探讨了DualBiNet模型的架构及其独特优势，包括空间特征提取与时间序列建模的有效结合。最后，我们在两个广受认可的公开数据集上评估了模型性能，识别准确率分别达到99.03%和98.47%，显著优于其他方法。这些结果证实了基于CSI信号的人体行为识别DualBiNet模型的有效性，为该领域的未来研究提供了宝贵见解。
Keyword:
Channel state information
Behavior recognition
Convolutional neural networks
Long and short-term memory
Attention mechanisms
期刊
IF:
2.9
论文数:
282
被引数:
866
机构
引用论文
SenseFi: A library and benchmark on deep-learning-empowered WiFi human sensingSenseFi: 基于深度学习的WiFi人体感应的库和基准.png)
PATTERNS
OAAI
PATTERNSIF7.4
OAAI分享收藏分享收藏
Wireless sensing applications with Wi-Fi Channel State Information, preprocessing techniques, and detection algorithms: A survey基于Wi-Fi信道状态信息的无线感知应用、预处理技术和检测算法：一项综述
PREAI
分享收藏分享收藏
查看更多内容