В этом документе оцениваются архитектуры сверточных нейронных сетей, обученных на спектрограммах амплитуды CSI для бесконтактной классификации активности человека, со сравнением точности и задержки с классическими базовыми моделями машинного обучения.
Описывается конвейер кратковременного преобразования Фурье, преобразующий необработанные временные ряды CSI в доплеровские спектрограммы, а также размеченный набор данных активности, используемый для обучения с учителем по классам ходьба, сидение, падение и бездействие.
Представлена компактная архитектура CNN, обеспечивающая вывод в реальном времени на периферийном оборудовании, приводятся точность классификации, матрицы ошибок и сравнение с базовыми моделями SVM и Random Forest на отложенных испытуемых.