Uma Metodologia Baseada em Modelos Transformer para Reconhecimento de Atividades Humanas Independente de Pessoa Usando Dados Wi-Fi CSI

• Allan Costa Nascimento dos Santos UFF / Brunel University London http://orcid.org/0000-0002-9400-5990
• Iandra Galdino UFF https://orcid.org/0000-0002-3564-2092
• Julio C. H. Soto UFF https://orcid.org/0000-0003-1439-762X
• Taiane C. Ramos UFF https://orcid.org/0000-0002-0351-1450
• Celio V. N. de Albuquerque UFF https://orcid.org/0000-0002-7959-6569
• Raphael Guerra UFF https://orcid.org/0000-0002-6371-0662
• Cledson de Sousa UFF https://orcid.org/0000-0003-3892-1799
• Natalia C. Fernandes UFF https://orcid.org/0000-0001-9481-6374
• Débora Muchaluat-Saade UFF https://orcid.org/0000-0002-1233-9736
• Gheorghita Ghinea Brunel University London https://orcid.org/0000-0003-2578-5580

DOI: https://doi.org/10.5753/sbrc.2025.6443

Resumo

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. Portanto, este artigo propõe uma metodologia chamada MPA-CSI para identificar a atividade de uma pessoa em uma sala por meio da análise de dados CSI e um conjunto de dados usado para sua avaliação. O MPA-CSI usa modelos Transformer desenvolvidos para processar dados de séries temporais. O MPA-CSI é capaz de identificar a atividade de pessoas que não participaram da fase de treinamento do modelo. A acurácia da identificação de movimento é de 96,67% usando um conjunto de dados CSI de 59 voluntários.

Palavras-chave: Modelo de Transformer, Informações de estado do canal, Wi-Fi, Sistema de detecção sem fio, Assistência médica, Reconhecimento de atividade humana

Referências

Caballero, E., Galdino, I., Soto, J. C., Ramos, T. C., Guerra, R., Muchaluat-Saade, D., & Albuquerque, C. (2023). Human activity recognition using Wi-Fi CSI. In International Conference on Pervasive Computing Technologies for Healthcare (pp. 309–321). Springer.

Chen, Z., Zhang, L., Jiang, C., Cao, Z., & Cui, W. (2019). Wi-Fi CSI based passive human activity recognition using attention-based BLSTM. IEEE Transactions on Mobile Computing, 18(11), 2714–2724.

de Sousa, C., Fernandes, V., Coimbra, E. A., & Huguenin, L. (2024). Subcarrier selection for HAR using CSI and CNN: Reducing complexity and enhancing accuracy. In Proceedings of the IEEE Virtual Conference on Communications. Accepted for publication.

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., & 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) (pp. 1–7).

dos Santos, A. C. N., Seixas, F. L., & 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 (pp. 120–131). SBC.

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

Gouveia, B. G., Galdino, I., Caballero, E., Soto, J. C. H., Ramos, T. C., Guerra, R., Muchaluat-Saade, D., & Albuquerque, C. V. N. (2024). Parameter tuning for accurate heart rate measurement using Wi-Fi signals. In 2024 International Conference on Computing, Networking and Communications (ICNC) (pp. 407–411).

Lee, S., Park, Y. D., Suh, Y. J., & Jeon, S. (2018). Design and implementation of monitoring system for breathing and heart rate pattern using Wi-Fi signals. In IEEE Annual Consumer Communications and Networking Conference (pp. 1–7).

Li, S., Ge, Y., Shentu, M., Zhu, S., Imran, M., Abbasi, Q., & Cooper, J. (2021). Human activity recognition based on collaboration of vision and Wi-Fi signals. In 2021 International Conference on UK-China Emerging Technologies (UCET) (pp. 204–208).

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., & Fernandes, N. C. (2020). Aplicações em redes de sensores na área da saúde e gerenciamento de dados médicos: Tecnologias em ascensão. Sociedade Brasileira de Computação.

Soto, J. C., Galdino, I., Caballero, E., Ferreira, V., Muchaluat-Saade, D., & Albuquerque, C. (2022a). A survey on vital signs monitoring based on Wi-Fi CSI data. Computer Communications, 195, 99–110.

Soto, J. C. H., Galdino, I., Gouveia, B. G., Caballero, E., Ferreira, V., Muchaluat-Saade, D., & Albuquerque, C. (2022b). Wi-Fi CSI-based human presence detection using DTW features and machine learning. In 2022 IEEE Latin-American Conference on Communications (LATINCOM) (pp. 1–6).

Wang, D., Yang, J., Cui, W., Xie, L., & Sun, S. (2021). Multimodal CSI-based human activity recognition using GANs. IEEE Internet of Things Journal, 8(24), 17345–17355.

Wang, Y., Wu, K., & 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., & Qin, Z. (2019). CSI-GAN: Robust channel state information-based activity recognition with GANs. IEEE Internet of Things Journal, 6(6), 10191–10204.