Defesa de Tese de Doutorado de Julio César Huarachi Soto – 08/10/2024, 15h, no laboratório 306 do Instituto de Computação
A Methodology for Real-time Indoor Human Presence Detection and Individual Identification Based on Wi-fi Channel State Information
Resumo:
Em um cenário onde a privacidade e o conforto do usuário são cada vez mais valorizados, a detecção e identificação de indivíduos em ambientes internos tem se tornado um campo de pesquisa em constante evolução. Enquanto soluções tradicionais, como sistemas de reconhecimento facial ou dispositivos vestíveis, exigem a colaboração ativa do indivíduo, novas abordagens buscam soluções mais discretas e naturais. Neste contexto, a utilização de informações de estado do canal (CSI) em redes Wi-Fi emerge como uma alternativa promissora. Ao explorar as nuances nas variações dos sinais Wi-Fi causadas pelo corpo humano, CSI permite a detecção e identificação de indivíduos de forma não intrusiva. Neste trabalho apresentamos uma metodologia inovadora para a detecção e identificação em tempo real de um indivíduo em um ambiente indoor, utilizando como base os dados CSI de redes Wi-Fi. Através da construção de modelos de aprendizado de máquina que se concentram na amplitude das subportadoras do sinal como principal característica discriminante, nossa proposta apresentada demonstra alta precisão na determinação da presença e identidade de um indivíduo em um curto intervalo de tempo. A robustez e a eficácia da metodologia foram validadas por meio de extensos experimentos, envolvendo diferentes coletas de dados e posições, o que permitiu a criação de um conjunto de dados abrangente e diversificado. Os resultados obtidos demonstram o potencial de nossa metodologia para a detecção e identificação de uma pessoa através do sinal CSI, e que futuramente este pode ser aplicado em diversas áreas.
Abstract:
In an era where user privacy and comfort are paramount, indoor human detection and identification has emerged as a dynamic research field. While traditional methods, such as facial recognition or wearable devices, often require active user involvement, novel approaches seek more discreet and natural solutions. In this context, Channel State Information (CSI) from Wi-Fi networks has emerged as a promising alternative. By exploiting the subtle variations in Wi-Fi signals induced by the human body, CSI enables non-intrusive detection and identification of individuals. This work presents an innovative methodology for real-time indoor human detection and identification using Wi-Fi CSI data. Through the construction of machine learning models that focus on CSI signal subcarrier amplitude as the primary discriminative feature, our proposed approach demonstrates high accuracy in determining the presence and identity of an individual within a short time frame. The robustness and efficacy of the methodology were validated through extensive experiments involving diverse data collection scenarios and positions, resulting in a comprehensive and diversified dataset. The obtained results demonstrate the potential of our CSI-based methodology for human detection and identification, with promising applications in various domains.
Banca examinadora:
Profa. Débora Christina Muchaluat Saade, UFF – Presidente
Prof. Célio Vinicius Neves de Albuquerque, UFF
Prof. Igor Monteiro Moraes, UFF
Prof. Flávio Luiz Seixas, UFF
Prof. Miguel Elias Mitre Campista, UFRJ
Prof. Marcelo Gonçalves Rubinstein, UERJ