Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Wireless Networks
Erschienen in: Wireless Networks 5/2020

14.02.2020

Device-free crowd counting with WiFi channel state information and deep neural networks

verfasst von: Rui Zhou, Xiang Lu, Yang Fu, Mingjie Tang

Erschienen in: Wireless Networks | Ausgabe 5/2020

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Crowd counting is of great importance to many applications. Conventional vision-based approaches require line of sight and pose privacy concerns, while most radio-based approaches involve high deployment cost. In this paper, we propose to utilize WiFi channel state information (CSI) to infer crowd count in a device-free way, with only one pair of WiFi transmitter and receiver. The proposed method establishes the statistical relationship between the variation of CSI and the number of people with deep neural networks (DNN) and thereafter estimates the people count according to the real-time CSI through the trained DNN model. Evaluations demonstrate the effectiveness of the method. For the crowd size of 6, the counting error was within 1 person for 100% of the cases. For the crowd size of 34, the counting error was within 1 person for 97.7% of the cases and within 2 persons for 99.3% of the cases.
Vorheriger Artikel A multi-tier based clustering framework for scalable and energy efficient WSN-assisted IoT network
Nächster Artikel Prediction of energy consumption for LoRa based wireless sensors network

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Li, M., Zhang, Z., Huang, K., & Tan, T. (2008). Estimating the number of people in crowded scenes by MID based foreground segmentation and head-shoulder detection. In 2008 19th international conference on pattern recognition (pp. 1–4).
2.
Kim, M., Kim, W., & Kim, C. (2011). Estimating the number of people in crowded scenes. Proceedings of SPIE, 7882(23), 78 820L–78 820L-8.
3.
Kannan, P. G., Venkatagiri, S. P., Chan, M. C., Ananda, A.L., & Peh, L.-S. (2012). Low cost crowd counting using audio tones. In Proceedings of the 10th ACM conference on embedded network sensor systems (SenSys’12) (pp. 155–168). ACM.
4.
Weppner, J., & Lukowicz, P. (2013). Bluetooth based collaborative crowd density estimation with mobile phones. In 2013 IEEE international conference on pervasive computing and communications (PerCom) (pp. 193–200).
5.
Yuan, Y., Zhao, J., Qiu, C., & Xi, W. (2013). Estimating crowd density in an RF-based dynamic environment. IEEE Sensors Journal, 13(10), 3837–3845.CrossRef
6.
Doong, S. H. (2016). Spectral human flow counting with RSSI in wireless sensor networks. In 2016 international conference on distributed computing in sensor systems (DCOSS) (pp. 110–112).
7.
Xu, C., Firner, B., Moore, R. S., Zhang, Y., Trappe, W., Howard, R., Zhang, F., & An, N. (2013). SCPL: Indoor device-free multi-subject counting and localization using radio signal strength. In 2013 ACM/IEEE IPSN (pp. 79–90).
8.
Lv, H., Liu, M., Jiao, T., Zhang, Y., Yu, X., Li, S., Jing, X., & Wang, J. (2013). Multi-target human sensing via UWB bio-radar based on multiple antennas. In TENCON 2013 (pp. 1–4).
9.
He, J., & Arora, A. (2014). A regression-based radar-mote system for people counting. In 2014 PerCom (pp. 95–102).
10.
Cianca, E., Sanctis, M. D., & Domenico, S. D. (2017). Radios as sensors. IEEE Internet of Things Journal, 4(2), 363–373.CrossRef
11.
Nakatsuka, M., Iwatani, H., & Katto, J. (2008). A study on passive crowd density estimation using wireless sensors. In 2008 international conference on mobile computing and ubiquitous networking
12.
Depatla, S., Muralidharan, A., & Mostofi, Y. (2015). Occupancy estimation using only wifi power measurements. IEEE Journal on Selected Areas in Communications, 33(7), 1381–1393.CrossRef
13.
Abdel-Nasser, H., Samir, R., Sabek, I., & Youssef, M. (2013). MonoPHY: Mono-stream-based device-free WLAN localization via physical layer information. In 2013 IEEE WCNC (pp. 4546–4551).
14.
Wu, K., Xiao, J., Yi, Y., Chen, D., Luo, X., & Ni, L. M. (2013). CSI-based indoor localization. IEEE Transactions on Parallel and Distributed Systems, 24(7), 1300–1309.CrossRef
15.
Xi, W., Zhao, J., Li, X. -Y, Zhao, K., Tang, S., Liu, X., & Jiang, Z. (2014). Electronic frog eye: Counting crowd using WiFi. In 2014 IEEE INFOCOM (pp. 361–369).
16.
Di Domenico, S., De Sanctis, M., Cianca, E., & Bianchi, G. (2016). A trained-once crowd counting method using differential wifi channel state information. In 2016 WPA (pp. 37–42). ACM.
17.
Domenico, S. D.. Pecoraro, G., Cianca, E., & Sanctis, M. D. (2016). Trained-once device-free crowd counting and occupancy estimation using WiFi: A doppler spectrum based approach. In 2016 WiMob (pp. 1–8).
18.
Halperin, D., Hu, W., Sheth, A., & Wetherall, D. (2010). Predictable 802.11 packet delivery from wireless channel measurements. In: 2010 ACM SIGCOMM (pp. 159–170). ACM.
19.
20.
Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C. Y., & Berg, A. C. (2015). SSD: Single shot multibox detector. arXiv:​1512.​02325.
Metadaten
Titel
Device-free crowd counting with WiFi channel state information and deep neural networks
verfasst von
Rui Zhou
Xiang Lu
Yang Fu
Mingjie Tang
Publikationsdatum
14.02.2020
Verlag
Springer US
Erschienen in
Wireless Networks / Ausgabe 5/2020
Print ISSN: 1022-0038
Elektronische ISSN: 1572-8196
DOI
https://doi.org/10.1007/s11276-020-02274-7

Weitere Artikel der Ausgabe 5/2020

Wireless Networks 5/2020 Zur Ausgabe

OriginalPaper

Radio access network design with software-defined mobility management

OriginalPaper

On optimal relaying strategies for VANETs over double Nakagami-m fading channels

OriginalPaper

An analytical framework for reliability evaluation of d-dimensional IEEE 802.11 broadcast wireless networks

OriginalPaper

User-assisted bearer split control for dual connectivity in multi-RAT 5G networks

OriginalPaper

Grey Wolf based compressive sensing scheme for data gathering in IoT based heterogeneous WSNs

OriginalPaper

Probe-fed wideband AMC-integrated hexagonal antenna with uniform gain characteristics for WLAN applications

Neuer Inhalt

    Bildnachweise