WiMANS Dataset : Suivi de l'activité humaine avec le WiFi

La technologie WiFi, c'est pas juste pour se connecter à internet ; ça peut aussi nous aider à comprendre ce que les gens font sans avoir besoin de caméras ou de dispositifs portables. Cette méthode est super utile dans des contextes comme les maisons intelligentes ou la santé où la vie privée est importante. Cependant, la plupart des études jusqu'à maintenant se sont concentrées sur le suivi d'une seule personne à la fois. Ça limite son utilité parce que beaucoup de situations impliquent plusieurs personnes.

Pour régler ce problème, un nouveau jeu de données appelé WiMANS a été créé. WiMANS permet aux chercheurs d'étudier comment plusieurs personnes peuvent être suivies en même temps en utilisant des Signaux WiFi. Ce jeu de données comprend des heures de données montrant comment plusieurs personnes se déplacent et interagissent dans diverses Activités. Cet effort peut mener à une meilleure compréhension et à des améliorations de la façon dont nous surveillons l'activité humaine dans la vie quotidienne.

#Qu'est-ce que WiMANS ?

Le jeu de données WiMANS est le premier du genre à se concentrer sur le suivi de plusieurs Utilisateurs en même temps en utilisant des signaux WiFi. Il comprend plus de 9,4 heures de données collectées à partir de deux bandes WiFi différentes (2,4 GHz et 5 GHz), ainsi que des vidéos montrant ce que les utilisateurs font. Le jeu de données contient des informations sur 11286 scènes où différentes activités se déroulent simultanément entre les utilisateurs, aidant les chercheurs à étudier et à comparer différents modèles qui interprètent ces données.

#Pourquoi c'est important ?

Les applications potentielles pour suivre l'activité humaine en utilisant des signaux WiFi sont vastes. Dans les maisons intelligentes, des systèmes peuvent être développés pour comprendre quand les gens sont chez eux, ce qu'ils font, et comment fournir de l'aide en fonction de leurs besoins. Dans le domaine de la santé, surveiller les patients sans caméras ni capteurs peut protéger leur vie privée tout en assurant leur sécurité. Le jeu de données WiMANS vise à ouvrir la voie à ces avancées en fournissant une source de données fiable pour les chercheurs.

#Défis actuels dans la détection humaine basée sur WiFi

Bien que le WiFi puisse être un excellent outil pour détecter l'activité humaine, il reste encore des obstacles. La plupart des Jeux de données existants ne se concentrent que sur une seule personne à la fois, ce qui rend difficile d'appliquer les résultats à des situations réelles impliquant plusieurs utilisateurs. Ce manque de jeux de données multi-utilisateurs a limité le développement de modèles qui peuvent suivre efficacement plusieurs personnes simultanément.

En plus, beaucoup de jeux de données actuels ne capturent que les signaux d'une seule bande WiFi et manquent de vidéos synchronisées. Ça complique l'exploration de nouvelles tâches comme comprendre les poses de manière plus approfondie. Enfin, il y a peu de références disponibles pour que les chercheurs puissent comparer leurs modèles, rendant difficile de savoir quelles méthodes fonctionnent le mieux.

#La création de WiMANS

Pour relever ces défis, WiMANS a été développé. Ce jeu de données permet de suivre plusieurs utilisateurs en même temps tout en capturant leurs actions à travers des signaux WiFi et des vidéos. Avec 11286 échantillons de données WiFi à double bande et des enregistrements vidéo synchronisés, les chercheurs peuvent analyser comment différentes personnes se déplacent et agissent ensemble.

Chaque échantillon comprend jusqu'à cinq personnes réalisant la même ou différentes activités, ce qui le rend complet. Des annotations détaillées incluent aussi des informations comme les identités des utilisateurs, les emplacements et les activités effectuées.

#Comment WiMANS a été collecté

Les données pour WiMANS ont été recueillies en utilisant des ordinateurs standard équipés de cartes WiFi spéciales. Deux ordinateurs ont été configurés : un pour envoyer des signaux (le transmetteur) et l'autre pour collecter les données (le récepteur). Pendant la collecte des données WiFi, une caméra enregistrait des vidéos des activités se déroulant dans l'environnement.

Lors de chaque session de collecte de données, les utilisateurs ont réalisé des tâches spécifiques pendant que les appareils enregistraient les signaux WiFi. Ça a été fait dans trois environnements courants : une salle de classe, une salle de réunion et une pièce vide, qui représentent des situations quotidiennes typiques.

#Activités incluses dans WiMANS

Le jeu de données capture une variété d'activités que les gens réalisent couramment. Ces activités comprennent des actions comme marcher, s'asseoir, s'allonger, sauter, faire signe de la main et ramasser des choses. En capturant différentes activités dans divers contextes, le jeu de données permet aux chercheurs d'étudier comment les signaux WiFi varient avec différents mouvements humains.

#Diversité des utilisateurs

Pour la collecte de WiMANS, six volontaires ont été recrutés pour servir d'utilisateurs dans le jeu de données, permettant une variation dans les données. Les activités des utilisateurs ont été enregistrées en groupe, ce qui signifie que différentes combinaisons d'utilisateurs ont réalisé diverses activités en même temps. Ce design aide à s'assurer que le jeu de données est robuste et reflète de nombreux scénarios de la vie réelle.

#Organisation et accessibilité des données

WiMANS se compose de données brutes et traitées. Les données brutes incluent les signaux WiFi capturés pendant les expériences, tandis que les données traitées incluent l'amplitude de ces signaux. De plus, les vidéos prises pendant les sessions de collecte de données sont incluses, fournissant une référence visuelle pour les chercheurs.

Ce jeu de données est destiné à la recherche académique et devrait contribuer à améliorer la détection d'activités multi-utilisateurs en utilisant la technologie WiFi. Les chercheurs peuvent accéder aux données, y compris les annotations qui détaillent les identités des utilisateurs, les emplacements et les activités.

#Évaluation avec WiMANS

Pour évaluer l'efficacité de WiMANS, divers modèles ont été testés en utilisant le jeu de données pour évaluer leur capacité à reconnaître les identités des utilisateurs, leurs emplacements et leurs activités. Cette évaluation fournit des informations importantes sur la manière dont les méthodes actuelles fonctionnent pour la détection d'activités multi-utilisateurs basée sur des signaux WiFi.

Les résultats sont prometteurs, en particulier pour identifier les utilisateurs et leurs emplacements, même s'il reste encore des améliorations à faire dans la reconnaissance d'activités. Les chercheurs peuvent utiliser ces résultats pour développer et affiner davantage des modèles afin d'améliorer le suivi précis.

#Directions futures

Le travail avec WiMANS pose les bases pour des recherches futures dans plusieurs domaines. Une direction potentielle pour de futures études est le développement d'estimation de pose multi-utilisateurs, où les chercheurs pourraient utiliser les données visuelles pour analyser les poses des utilisateurs en conjonction avec les signaux WiFi. Une autre voie passionnante est d'explorer comment tirer parti des deux bandes de fréquence WiFi ensemble pour améliorer la précision globale de la détection.

De plus, la détection inter-domaines est un domaine à potentiel, où des études pourraient être étendues pour inclure différents environnements ou identités d'utilisateurs qui ne faisaient pas partie du jeu de données original. Cela pourrait mener à des modèles plus généralisés qui s'appliquent à divers contextes et conditions.

#Considérations éthiques

Lors de la collecte de données impliquant des sujets humains, des considérations éthiques sont cruciales. Dans le cas de WiMANS, les volontaires ont signé des formulaires de consentement reconnaissant leur participation et l'utilisation prévue de leurs données. Leurs identités ont été anonymisées pour protéger leur vie privée, et les activités enregistrées étaient des actions quotidiennes courantes, minimisant les risques pour les participants.

Le jeu de données ne doit être utilisé que pour des fins académiques et pas pour des applications commerciales ou nuisibles. Il est important de s'assurer que les avancées réalisées avec ces données bénéficient à la société sans empiéter sur la vie privée ou les droits individuels.

#Conclusion

WiMANS représente une avancée significative dans la détection humaine basée sur WiFi en fournissant un jeu de données qui permet d'étudier plusieurs activités d'utilisateurs en même temps. Cette capacité peut mener à des applications améliorées dans des domaines comme les maisons intelligentes, la santé et la surveillance de la sécurité. Bien qu'il y ait des défis et des limitations, le potentiel de WiMANS pour catalyser de nouvelles recherches et applications est considérable.

En encourageant les chercheurs à s'appuyer sur ce jeu de données et à s'attaquer aux complexités de la détection multi-utilisateurs, nous pouvons envisager un avenir où l'activité humaine est surveillée de manière discrète et respectueuse de la vie privée, tirant pleinement parti des capacités de la technologie moderne.

#Résumé des caractéristiques clés de WiMANS

• Utilisateurs multiples : Le jeu de données permet de suivre jusqu'à cinq utilisateurs réalisant des activités en même temps.
• Données à double bande : Il capture des données provenant des bandes WiFi 2,4 GHz et 5 GHz.
• Vidéos synchronisées : Des vidéos accompagnent les données pour fournir un contexte visuel sur les activités.
• Annotations riches : Des informations détaillées sur les identités des utilisateurs, les emplacements et les activités sont incluses à des fins de recherche.
• Variété d'activités : Neuf activités quotidiennes différentes sont représentées dans le jeu de données.
• Collecte éthique : Le consentement des participants a été obtenu, garantissant des pratiques de recherche éthiques.

WiMANS est prêt à faire progresser le domaine de la détection humaine basée sur WiFi et constitue une étape vers la création d'environnements plus intelligents et réactifs qui respectent la vie privée et la liberté des utilisateurs.