WiSECam: 무선 카메라를 위한 CSI 기반 딥 러닝 모션 감지 (WiSECam: A CSI-Based Deep Learning Motion Detection for Wireless Cameras)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 46권 / 12호 / 2184 ~ 2190페이지
· 저자명 : 다오딩응웬, 무하마드 살만, 노영태

초록

현재 감시 카메라는 안전과 보안을 개선하는 데 중요한 역할을 한다. Wi-Fi 카메라는 설치가 쉽기 때문에 널리사용된다. 그러나 이러한 카메라는 장애물 뒤에 있는 물체를 볼 수 없는 등 시각적 제약이 있다. 또한, 먼지, 조명, 습기 등과 같은 환경적 요인도 카메라의 가시도에 부정적인 영향을 끼칠 수 있다. 이 문제를 해결하기 위해, 모니터링 영역의 모든 사각지대를 커버하려면 여러 대의 카메라를 사용해야 한다. 그러나 이 방법은 많은 비용이든다. 그러므로 우리는 은행 사물함, 박물관 및 상점과 같이 도난에 취약한 곳에서 독립적으로 사용할 수 있는WiSECam (WiFi-Security Enhanced Camera)이라는 저렴하고 응답력이 높으며 효과적인 방법을 제안한다. 이 방법은 와이파이 신호의 CSI (Channel State Information)를 사용하여 사람의 움직임을 감지한다. 우리는 CSI 데이터를 처리하고 CNN (Convolutional Neural Network)과 LSTM (Long Short-Term Memory)을 활용하여 딥러닝모델을 구축한다. 우리는 고려된 실제 시나리오에서 이를 구현하고 평가한다. WiSeCam은 다양한 실생활 설정에서 1초 응답 시간으로 약 98%의 평균 정확도를 달성하여 실생활에서 사용할 수 있다.

영어초록

Nowadays surveillance cameras play an important role in safety and security. In particular, a Wi-Fi camera is gaining popularity because of its easy installation. However, there is a visibility limitation of existing commodity cameras, for instance, they can not see an object behind an occlusion. In addition, environmental factors, such as dust, lighting, and humidity can also adversely affect the camera's visibility. To address these problems, the prevalent solutions use multiple cameras to cover the entire scene. But it comes with a cost.
We, therefore, propose a cheaper, responsive, and effective solution called WiSECam (Wi-Fi-Security Enhanced Camera), which can be used as stand-alone in such as bank lockers, museums, and goldsmith stores that are proneto burglary. Our proposed solution leverages the Channel State Information (CSI) from Wi-Fi signals to detect human motion. We devise a deep learning model by using the Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) to handle the sequential CSI data. We implemented and evaluated it in the considered real-life scenarios. WiSECam achieves an average accuracy of around 98% with 1 second response time in different real-life settings.

참고자료

· 없음