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
Erschienen in:
Design and Implementation of Non-intrusive Stationary Occupancy Count in Elevator with WiFi Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Device-Free Gesture Recognition Using Time Series RFID Signals

verfasst von : Han Ding, Lei Guo, Cui Zhao, Xiao Li, Wei Shi, Jizhong Zhao

Erschienen in: Broadband Communications, Networks, and Systems

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

A wide range of applications can benefit from the human motion recognition techniques that utilize the fluctuation of time series wireless signals to infer human gestures. Among which, device-free gesture recognition becomes more attractive because it does not need human to carry or wear sensing devices. Existing device-free solutions, though yielding good performance, require heavy crafting on data preprocessing and feature extraction. In this paper, we propose RF-Mnet, a deep-learning based device-free gesture recognition framework, which explores the possibility of directly utilizing time series RFID tag signal to recognize static and dynamic gestures. We conduct extensive experiments in three different environments. The results demonstrate the superior effectiveness of the proposed RF-Mnet framework.

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
Vorheriges Kapitel Analysis and Implementation of Multidimensional Data Visualization Methods in Large-Scale Power Internet of Things
Nächstes Kapitel Dynamic IFFSM Modeling Using IFHMM-Based Bayesian Non-parametric Learning for Energy Disaggregation in Smart Solar Home System
Literatur
1.
2.
3.
4.
Adib, F., Kabelac, Z., Katabi, D.: Multi-person motion tracking via RF body reflections (2014)
5.
Adib, F., Kabelac, Z., Katabi, D., Miller, R.C.: 3D tracking via body radio reflections. In: Proceedings of USENIX NSDI (2014)
6.
Bu, Y., et al.: RF-Dial: an RFID-based 2D human-computer interaction via tag array. In: Proceedings of IEEE INFOCOM (2018)
7.
Ding, H., et al.: A platform for free-weight exercise monitoring with RFIDs. IEEE Trans. Mob. Comput. 16(12), 3279–3293 (2017)CrossRef
8.
Ding, H., et al.: Close-proximity detection for hand approaching using backscatter communication. IEEE Trans. Mob. Comput. 18(10), 2285–2297 (2019)CrossRef
9.
Guo, X., Liu, J., Chen, Y.: FitCoach: virtual fitness coach empowered by wearable mobile devices. In: Proceedings of IEEE INFOCOM (2017)
10.
Han, J., et al.: CBID: a customer behavior identification system using passive tags. IEEE/ACM Trans. Network. 24(5), 2885–2898 (2016)CrossRef
11.
Hao, T., Xing, G., Zhou, G.: RunBuddy: a smartphone system for running rhythm monitoring. In: Proceedings of ACM UbiComp (2015)
12.
Huang, G., Liu, Z., Van Der Maaten, L., Weinberger, K.Q.: Densely connected convolutional networks. In: Proceedings of IEEE CVPR (2017)
13.
Krizhevsky, A., Sutskever, I., Hinton, G.E.: ImageNet classification with deep convolutional neural networks. In: Proceedings of IEEE ICONIP (2012)
14.
Mokaya, F., Lucas, R., Noh, H.Y., Zhang, P.: MyoVibe: vibration based wearable muscle activation detection in high mobility exercises. In: Proceedings of ACM UbiComp (2015)
15.
Plotz, T., Chen, C., Hammerla, N.Y., Abowd, G.D.: Automatic synchronization of wearable sensors and video-cameras for ground truth annotation-a practical approach. In: Proceedings of IEEE ISWC (2012)
16.
Pradhan, S., Chai, E., Sundaresan, K., Qiu, L., Khojastepour, M.A., Rangarajan, S.: RIO: a pervasive RFID-based touch gesture interface. In: Proceedings of ACM MobiCom (2017)
17.
Ren, Y., Chen, Y., Chuah, M.C., Yang, J.: Smartphone based user verification leveraging gait recognition for mobile healthcare systems. In: Proceedings of IEEE SECON (2013)
18.
Shangguan, L., Zhou, Z., Jamieson, K.: Enabling gesture-based interactions with objects. In: Proceedings of ACM MobiSys (2017)
19.
Song, J., et al.: In-air gestures around unmodified mobile devices. In: Proceedings of ACM UIST (2014)
20.
Taylor, J., et al.: Efficient and precise interactive hand tracking through joint, continuous optimization of pose and correspondences. ACM Trans. Graph. 35(4), 143 (2016)CrossRef
21.
Wang, C., et al.: Multi-touch in the air: device-free finger tracking and gesture recognition via COTS RFID. In: Proceedings of IEEE INFOCOM (2018)
22.
Wang, J., Vasisht, D., Katabi, D.: RF-IDraw: virtual touch screen in the air using RF signals. In: Proceedings of ACM SIGCOMM (2014)
23.
Xiao, R., Harrison, C., Willis, K.D., Poupyrev, I., Hudson, S.E.: Lumitrack: low cost, high precision, high speed tracking with projected M-sequences. In: Proceedings of ACM UIST (2013)
24.
Yang, L., Lin, Q., Li, X., Liu, T., Liu, Y.: See through walls with COTS RFID system! In: Proceedings of ACM MobiCom (2015)
25.
26.
Zhang, C., Tabor, J., Zhang, J., Zhang, X.: Extending mobile interaction through near-field visible light sensing. In: Proceedings of ACM Mobicom (2015)
27.
Zhao, C., et al.: RF-Mehndi: a fingertip profiled RF identifier. In: Proceedings of IEEE INFOCOM (2019)
Metadaten
Titel
Device-Free Gesture Recognition Using Time Series RFID Signals
verfasst von
Han Ding
Lei Guo
Cui Zhao
Xiao Li
Wei Shi
Jizhong Zhao
Copyright-Jahr
2019
Buch
Broadband Communications, Networks, and Systems

Print ISBN: 978-3-030-36441-0

Electronic ISBN: 978-3-030-36442-7

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-36442-7_10