Uma Metodologia Baseada em Modelo Transformer para Reconhecimento da Atividade de Varrer Independente de Pessoa Usando Dados Wi-Fi CSI

• Allan Costa Nascimento dos Santos UFF / Brunel University London
• Iandra Galdino UFF
• Julio C. H. Soto UFF
• Taiane C. Ramos UFF
• Celio V. N. de Albuquerque UFF
• Raphael Guerra UFF
• Cledson de Sousa UFF
• Natalia C. Fernandes UFF
• Débora Muchaluat-Saade UFF
• Gheorghita Ghinea Brunel University London

DOI: https://doi.org/10.5753/sbcas.2025.7853

Resumo

O uso de informações de estado do canal para reconhecimento de atividades humanas é promissor na área da saúde, especialmente para monitoramento remoto de pacientes. Ao capturar e interpretar sinais Wi-Fi em ambientes internos, o CSI pode ser usado para detectar atividade física, quedas ou movimentos diários de um paciente, permitindo que cuidadores e profissionais de saúde monitorem pacientes sem a necessidade de sensores vestíveis ou câmeras invasivas. O CSI tem grande potencial no atendimento a idosos. Portanto, este artigo propõe uma metodologia chamada DVC-CSI para identificar a atividade de varrer de uma pessoa em uma sala por meio da análise de dados CSI e um conjunto de dados usado para sua avaliação. O DVC-CSI usa modelos Transformer desenvolvidos para processar dados de séries temporais com uma estrutura que permite capturar dependências temporais. O DVC-CSI é capaz de identificar a atividade de pessoas que não participaram da fase de treinamento do modelo. A acurácia da identificação da atividade de varrer dentro de um conjunto de dados de 17 atividades é de 88,89% usando um conjunto de dados CSI de 86 voluntários (60 participantes para treinamento, 17 participantes para validação e 9 participantes para teste).

Referências

Bulugu, I. (2023). Gesture recognition system based on cross-domain csi extracted from wi-fi devices combined with the 3d cnn. Signal, Image and Video Processing, 17(6):3201–3209.

Caballero, E., Galdino, I., Soto, J. C., Ramos, T. C., Guerra, R., Muchaluat-Saade, D., and Albuquerque, C. (2023). Human Activity Recognition Using Wi-Fi CSI. In International Conference on Pervasive Computing Technologies for Healthcare, pages 309–321. Springer.

de Almeida, G. C., dos Santos, A. C., Soares, C. L. d. A., Pinto, P. C. A., Dal Bello, F. d. S., Boechat, Y. E. M., Seixas, F. L., dos Santos, A. A. S., Mesquita, C. T., Mesquita, E. T., et al. (2023). Nova geração da telessaúde: Oportunidades, tendências e desafios. In Minicursos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS).

de Sousa, C., Fernandes, V., Coimbra, E. A., and Huguenin, L. (2024). Subcarrier Selection for HAR Using CSI and CNN: Reducing Complexity and Enhancing Accuracy. In 2024 IEEE Virtual Conference on Communications (VCC), pages 1–7.

dos Santos, A. C. N., de Paula, K., Vidal, M. T. L., da Silva, J. M. M., de Sousa, C., Fernandes, L. A. F., de Castro, T. B., Bedo, M., Kohwalter, T. C., Bastos, C. A. M., Seixas, F. L., Fernandes, N. C., Muchaluat-Saade, D. C., and Ghinea, G. (2024). A computer vision model to support individuals with disabilities within university campuses. In 2024 IEEE International Conference on E-health Networking, Application & Services (HealthCom), pages 1–7.

dos Santos, A. C. N., Seixas, F. L., and Fernandes, N. C. (2022). Provendo um modelo automático de detecção de quedas baseado em rede adversária generativa para assistência de idosos. In Anais do XXII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS), pages 120–131. SBC.

Galdino, I., Soto, J. C. H., Caballero, E., Ferreira, V., Ramos, T. C., Albuquerque, C., and Muchaluat-Saade, D. C. (2023). eHealth CSI: A Wi-Fi CSI Dataset of Human Activities. IEEE Access, 11:71003–71012.

Rothman, D. (2021). Transformers for Natural Language Processing: Build innovative deep neural network architectures for NLP with Python, PyTorch, TensorFlow, BERT, RoBERTa, and more. Packt Publishing Ltd.

Santos, A. C., Firmino, R. M., Soto, J. C., Medeiros, D. S., Mattos, D. M., Albuquerque, C. V., Seixas, F., Muchaluat-Saade, D. C., and Fernandes, N. C. (2020). Aplicações em redes de sensores na área da saúde e gerenciamento de dados médicos: tecnologias em ascensão. In Minicursos do XX Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS), pages 137–186.

Soto, J. C., Galdino, I., Caballero, E., Ferreira, V., Muchaluat-Saade, D., and Albuquerque, C. (2022). A survey on vital signs monitoring based on wi-fi csi data. Computer Communications, 195:99–110.

Wang, Y., Wu, K., and Ni, L. M. (2017). Wifall: Device-free fall detection by wireless networks. IEEE Transactions on Mobile Computing, 16(2):581–594.

Xiao, C., Han, D., Ma, Y., and Qin, Z. (2019). Csigan: Robust channel state information-based activity recognition with gans. IEEE Internet of Things Journal, 6(6):10191–10204.

Zheng, Y., Zhang, Y., Qian, K., Zhang, G., Liu, Y., Wu, C., and Yang, Z. (2019). Zero-effort cross-domain gesture recognition with wi-fi. In Proceedings of the 17th annual international conference on mobile systems, applications, and services, pages 313–325.