基于無線感知的室內(nèi)安防技術(shù)綜述

王懷彬，任樹杰，宮良一，辛 倩

(1.天津理工大學 計算機科學與工程學院， 天津 300384; 2.天津市智能計算及軟件新技術(shù)重點實驗室， 天津 300384; 3.計算機病毒防治技術(shù)國家工程實驗室， 天津 300457; 4.中國人民解放軍陸軍勤務(wù)學院， 重慶 401331)

隨著我國社會經(jīng)濟的發(fā)展，社會經(jīng)濟進入轉(zhuǎn)型階段，原本穩(wěn)定的社會關(guān)系變得復雜。資源的市場化配置發(fā)生了一系列變化，由此帶來了諸多安全問題，尤其是室內(nèi)安全問題逐漸引發(fā)更多研究和關(guān)注。

近年來，安防行業(yè)逐漸向智能化發(fā)展，在新型的人機交互方面取得了較多成果，如視頻監(jiān)控、熱成像和雷達系統(tǒng)等。在室內(nèi)安防的應用中，這些技術(shù)仍存在一些不足，如設(shè)備對環(huán)境的適應性不高、識別的準確度不高以及可識別的種類少等。視頻監(jiān)控系統(tǒng)[1]是由單個可見光攝影機組成的，檢測精度低。熱成像系統(tǒng)對于外界熱源干擾的抵抗力差，可覆蓋的范圍小，穿透性不足。雷達系統(tǒng)雖在非視距環(huán)境下具有精度高的特點，但是該系統(tǒng)設(shè)備成本較高、技術(shù)復雜，需要專業(yè)的技術(shù)人員進行操作。

近些年來無線網(wǎng)絡(luò)設(shè)備和技術(shù)的迅速發(fā)展，給室內(nèi)安防行業(yè)帶來新的轉(zhuǎn)機。國內(nèi)外研究人員目前正在利用無線信號感知來識別環(huán)境的變化。研究發(fā)現(xiàn)：當無線信號在室內(nèi)傳播時，信號會沿多條路徑傳播。人的行為會改變無線信號的傳播路徑，改變路徑衰落的規(guī)律。特別是由人的行為產(chǎn)生的多徑衰落和多普勒頻移，表明接收到的信號包含了豐富的關(guān)于人行為的信息。通過提取無線信號的有效信息即可實現(xiàn)對異常人員檢測、定位以及身份識別。因此，基于無線信號的室內(nèi)安防技術(shù)具有精準性高、設(shè)備對環(huán)境適應性強、普適性高等優(yōu)點。

目前，基于無線感知的室內(nèi)安防技術(shù)的研究主要分3部分：出現(xiàn)檢測、位置定位和身份識別。把無線系統(tǒng)部署在感興趣的區(qū)域，當用戶進入該區(qū)域時，出現(xiàn)檢測系統(tǒng)首先實時檢測室內(nèi)的人員活動，對重要部門人員行為進行監(jiān)控，及時發(fā)現(xiàn)不軌行為和非法活動；然后位置定位系統(tǒng)在室內(nèi)入侵人員不攜帶檢測設(shè)備的情況下實時監(jiān)測其位置；最后身份識別系統(tǒng)根據(jù)用戶的步態(tài)以及生物特征對用戶進行身份識別。具體流程見圖1。

圖1 無線信號的室內(nèi)安防技術(shù)流程

1 基于無線感知的室內(nèi)安防

1.1 異常人員檢測

異常人員檢測是無線室內(nèi)安防的第1道防線，檢測系統(tǒng)能夠?qū)崟r檢測室內(nèi)的人員活動，對重要部門人員行為進行監(jiān)控，及時發(fā)現(xiàn)不軌行為和非法活動。因此，異常人員檢測是目前研究的熱點。近年來，提出很多基于無線感知的異常人員檢測方法[1-10]，按照其系統(tǒng)的組成方法，可分為兩類：一類是基于有監(jiān)督學習的檢測方法；另一類是基于無監(jiān)督學習的檢測方法。

1.1.1 有監(jiān)督學習的檢測方法

現(xiàn)有很多基于無線感知的室內(nèi)異常人員檢測工作聚焦于有監(jiān)督學習的檢測方法。由于物理層CSI可以捕獲由于環(huán)境引起的信號的信道頻率分集，通過檢測CSI特征模式的移動就可以實時判斷人體活動。文獻[2]提出了一種基于CSI的人體活動檢測無源無設(shè)備系統(tǒng)DFP，該系統(tǒng)采用異常CSI與指紋數(shù)據(jù)庫相匹配的概率算法，能夠有效檢測實體的存在。錢堃等[1]為了準確檢測人體的動態(tài)速度引入了支持向量機(SVM)算法，通過提取CSI的振幅和相位信息、構(gòu)建敏感目標檢測指標來實現(xiàn)運動檢測的目的。如圖2[11]所示，將初步測量數(shù)據(jù)進行基于SVM的分類。

圖2 支持向量機的初步分類結(jié)果[11]

由圖2可以看出：人移動與不移動的數(shù)據(jù)之間有明顯的差距。引入支持向量機算法，可通過在不同狀態(tài)下(運動的人體存在或不存在)尋找特征值的切線進行估計。

當人們通過房間時，考慮到室內(nèi)無線信道的頻率選擇性的衰落特性，同時消除無線硬件中功率電平波動對功耗的影響，Brauers等[3]提出了一種利用CSI檢測移動對象存在的方法。該系統(tǒng)的一個關(guān)鍵組成是使用與篩查物體運動相關(guān)的篩選特征。通過使用計算協(xié)方差矩陣所需的校準步驟來提取相關(guān)特征。該方法只能檢測環(huán)境中的移動的對象，針對這種限制，Han等[4]提出了一種基于CSI頻域指紋的無源室內(nèi)人體檢測，可以通過提取具有細粒度的物理層通道狀態(tài)信息來生成特征指紋，然后通過在線指紋與離線指紋的匹配來確定環(huán)境中人的行為。該系統(tǒng)既可以檢測移動狀態(tài)也可以檢測靜止狀態(tài)。Ding等[5]提出的人體檢測方案，僅使用CSI的相位差信息作為度量，采用支持向量機、隨機森林和K-最鄰近機器學習分類算法對入侵進行檢測，檢測的準確率較高。

1.1.2 無監(jiān)督學習的檢測方法

對于更實際的情況，有監(jiān)督學習的系統(tǒng)并不像預期的那樣工作。更具體地說，一項活動在第1次出現(xiàn)時可能被認為是異常的，但是當觀察到越來越多的情況時，它可能被認為是正常的。因為并不是所有的異常活動都可以預先定義，而且異常也是一個依賴于觀察頻率的概念。

文獻[6]提出的室內(nèi)無需攜帶設(shè)備運動檢測系統(tǒng)FIMD，在連續(xù)監(jiān)測中采用了基于密度的應用空間聚類算法(DBSCAN)，從正常特征中提取異常點進行運動檢測。在進行異常活動檢測時，在FIMD服務(wù)器模塊中，首先提取檢測到的CSI信息特征，然后采用基于密度的DBSCAN分類算法分析鏈路狀態(tài)，從而生成聚類，通過簇中特征值密度分布大小來識別異常事件。

Pang等[7]提出的非侵入性異常活動傳感系統(tǒng)WarnFi，只使用兩個商用WiFi設(shè)備。該系統(tǒng)的原理是：當人體阻斷從接入點發(fā)送到接收器的無線信號時，CSI的時間序列將經(jīng)歷獨特的變化。通過使用非參數(shù)模型，可以動態(tài)地聚類人體活動的異常感測。該非參數(shù)模型的計算過程如下：

采用基于密度的均值移動聚類方法，不需要監(jiān)督信息作為輸入?yún)?shù)。搜索窗口的帶寬，無需預先定義，通過式(1)計算。

li=xi-xi，n/2

(1)

其中xi，n/2是CSI特征xi(i=1，…，m)的m/2最近鄰。

聚類方法按以下步驟進行：

1) 計算窗口中CSI特性的新中心:

(2)

其中：xi， j是xi搜索窗口中的CSI特性；g(x)=q′(x)是估計CSI特性密度的核心xi。

為了解決在不同的運動速度下系統(tǒng)穩(wěn)定性的問題，Liu等[8]利用無線網(wǎng)絡(luò)的物理層的狀態(tài)信息提取信道波動的特征，并利用概率技術(shù)檢測人體運動，將隱馬爾科夫模型作為分類器，使人體檢測成為一個概率問題，系統(tǒng)在人體檢測中更為準確，可以在不同速度下保持系統(tǒng)的穩(wěn)定性。

1.2 入侵人員定位

入侵人員定位是無線室內(nèi)安防的第2道防線，檢測系統(tǒng)能實時監(jiān)測室內(nèi)人的位置。與主動定位技術(shù)不同，被動室內(nèi)定位檢測不要求用戶攜帶測量設(shè)備，對入侵者來說是無感的。隨著WiFi技術(shù)的發(fā)展，越來越多的基于無線感知的定位技術(shù)被提出，根據(jù)系統(tǒng)使用的算法將現(xiàn)有的技術(shù)分為兩類：基于模式學習的方法和基于模型學習的方法。

1.2.1 基于模式學習的方法

在進行室內(nèi)定位時，檢測到由人體存在引發(fā)的信號的變化具有一定的特征，作為分析復雜信號的一種替代方法，指紋技術(shù)采用模式匹配方法。其主要思想是：收集感興趣區(qū)域內(nèi)所有可能位置上的信號特征以建立指紋庫。而建立指紋庫的主要缺點在于建立和更新數(shù)據(jù)庫時所做的繁瑣工作。基于模式學習的方法就可以通過訓練學習，從信號的變化模式中識別出檢測的目標。

對于建立數(shù)據(jù)庫的繁瑣工作的限制，使用計算機語言利用機器學習來完成繁瑣的工作成為了熱點研究對象。一種基于深度學習的基于CSI的室內(nèi)指紋系統(tǒng)由Wang等[9]提出。在離線訓練階段，利用深度學習訓練深度網(wǎng)絡(luò)的所有權(quán)重作為指紋。在線定位階段采用基于徑向基函數(shù)的概率方法來獲得估計的位置。Wu等[10]開發(fā)了一種具有置信度信息增強的樸素貝葉斯分類器。對鏈接對的置信度進行了排序，并選擇了最可靠的鏈接對進行定位。Zhou等[11]則提出了一種比樸素貝葉斯方法定位準確率更高的算法，通過支持向量回歸算法建立CSI指紋與目標位置之間的非線性關(guān)系，能夠根據(jù)相應的CSI指紋估計目標位置。

為了更好地描述人類行為對WiFi信號的影響以推斷其狀態(tài)，Gao[12]等探索開發(fā)了一種無線圖像處理方法，將多個信道測量的CSI看作是一幅無線電圖像，并從二維的角度來處理它。該系統(tǒng)采用深度學習網(wǎng)絡(luò)從圖像特征中學習優(yōu)化的深層特征，并利用機器學習的方法估計人的位置。Ohara[13]等提出利用交叉矩陣結(jié)構(gòu)(SFM)對CSI估計進行三維場景重建，這是對二維估計的改進，有利于更準確地定位。

1.2.2 基于模型學習的方法

為了在 WiFi 信號變化和人體行為狀態(tài)之間建立具有明確物理背景的定量的映射關(guān)系，提出了基于模型學習的方法。這種方法不需要繁瑣的工作建立指紋庫，只需要建立一個物理模型，然后根據(jù)物理模型來判斷人在空間中的位置。

2012年，Wu等[14]研究了正交頻分復用系統(tǒng)(OFDM)的頻率多集特性，構(gòu)建了室內(nèi)定位系統(tǒng)。如圖3所示。

圖3 室內(nèi)定位系統(tǒng)結(jié)構(gòu)[14]

該系統(tǒng)將多個子載波的CSI處理為有效的CSI值，并構(gòu)建了一個精確的室內(nèi)無線傳播模型來表示CSI值與距離之間的關(guān)系。這種方法雖大大提高了計算距離的速度，但定位不夠準確。Kotaru等[15]設(shè)計的使用無線信號進行分米級別的定位系統(tǒng)SpotFi，是一種可部署的精確室內(nèi)定位系統(tǒng)。SpotFi系統(tǒng)的中央服務(wù)器收集Ap接收的每個分組的CSI測量值，計算從目標到每個Ap的所有傳播路徑的飛行時間(Tof)和到達角度測距(AOA)，然后識別目標和Ap之間的視距路徑，最后通過使用所有的Ap視距路徑和RSSI的測量值來估計位置。AOA可用公式表示：

θk=-2πd(m-1)sin(θk)f/c

(3)

其中：d是兩天線之間的距離；θk代表AP的天線陣列返回信號時的角度AOA；γk代表信號從第1個天線到第k個天線的復雜衰減；c是光速；m是天線個數(shù)；f是傳播信號的頻率。AOA能被當作一個天線陣列里相位變換的矢量：

θk)=[1Φ(θk)…Φ(θk)(M-1)]T

(4)

用公式表示Tof就是：

τk=-2π(n-1)fστk

(5)

其中：n代表在天線里的相對于第1個上層攜帶者的第n個上層攜帶者；fσ代表兩個連續(xù)上層攜帶者之間的頻率空間，為作簡化處理，用函數(shù)表示ToF：

Ωk=e-j×2π×fσ×τk

(6)

綜上，估計位置的函數(shù)為

θi)2]

(7)

其中：R代表AP數(shù)目；θi代表AoA；pi代表RSSI；li是到第i個AP的最可能的路徑候選值。

為了使定位更為準確，Zhang等[16]提出了一個厘米級別的檢測模型——菲涅爾區(qū)。當物體在菲涅爾區(qū)運動穿過菲涅爾邊界時，會對接收端的信號產(chǎn)生影響，根據(jù)CSI的變化，可以判斷出物體在第幾菲涅爾區(qū)。然后，Zhang等為了克服多載波的限制，又在菲涅爾區(qū)的基礎(chǔ)上進行改進，提出了一種通用的菲涅爾穿透模型[17]，該系統(tǒng)揭示了特定菲涅爾帶與多載波菲涅爾相位差之間的線性關(guān)系以及由多徑環(huán)境引起的菲涅爾相位偏移，更具有普適性。

1.3 室內(nèi)人員身份驗證

人員的身份驗證是無線室內(nèi)安防的最后一道防線，無設(shè)備的被動身份識別是近年來研究的熱點，在無傳感器傳感中具有代表性的應用。它可以應用于入侵檢測和智能建筑等多種場合。以前的研究表明：無線網(wǎng)絡(luò)信號的感知潛力是以無設(shè)備的被動方式進行的；人類的步態(tài)、生物特征等是獨一無二的。系統(tǒng)可以通過檢驗特征的不同，將人員身份驗證分類為基于步態(tài)識別的身份識別和基于其他生物特征的身份識別。

1.3.1 基于步態(tài)的身份識別

步行步態(tài)是一個人的不同于人群的顯著特征，步態(tài)和步行分析是從CSI中識別一個人的步行步態(tài)，并用這些信息來識別一個人的身份。

Wang等[16]研究了細粒度步態(tài)特征的提取問題。將足底壓力數(shù)據(jù)分出4個步態(tài)階段，提取一組特征來定量描述步態(tài)，然后在包含幾種BP神經(jīng)網(wǎng)絡(luò)混合分類模型的基礎(chǔ)上對步態(tài)進行分類。Lv等[17]提出的Wii系統(tǒng)則是基于無線網(wǎng)絡(luò)物理層具有細粒度的CSI，將步行的時間序列按照步數(shù)進行分段，并從步行和步行段的角度提取時域和頻域特征表示人的步態(tài)模式。但該系統(tǒng)有一定的局限性，當人在行走時，手臂等其他肢體的不同姿勢會對指紋提取造成干擾。為減少手臂與其他肢體對指紋提取的影響，Xu等[18]提出了一種利用無線信號實現(xiàn)的無需攜帶設(shè)備的計步系統(tǒng)。人走路時，軀干和四肢以不同的速度運動，使用多徑傳播模型，將無線信號調(diào)制成不同長度的傳播路徑，從而將不同的頻率分量引入接收CSI中，可以對軀干和腿進行區(qū)分。當人體做出不同的運動時，信號的FFT系數(shù)的歸一化幅度如圖4所示[28]。

上述所提方法使用的多天線系統(tǒng)所支持的空間分集沒有像頻率分集那樣被大家廣泛研究。而Qian等[19]提出的一種新的不攜帶設(shè)備的動態(tài)速度人體被動檢測方案PADS，是在MIMO系統(tǒng)中利用CSI的全部信息(幅值和相位)和多天線空間分集來提取和形成敏感度量，以保證目標檢測的準確性和魯棒性。在此基礎(chǔ)上Xiao等[20]提出的新的節(jié)能識別方案，選擇CSI波形作為活動特征，同時包含時間信息和頻率信息。

1.3.2 基于其他生物特征的身份識別

與步態(tài)識別相比較，呼吸、心跳等生物特征變化更加微小，但是該特征是一個人身體狀況的主要指標，得到了各界人士更為廣泛的關(guān)注。

2016年，Wang等[21]首次提出利用菲涅爾區(qū)模型和WiFi無線傳輸特性來檢測人類呼吸。通過分析人類對接收到的信號的影響，將人體建模為尺寸可變的半圓面，通過研究菲涅爾區(qū)的接收信號強度將呼吸深度、位置和方向與呼吸探測能力聯(lián)系起來。為了感知一個人的呼吸頻率，把人體看作反射面，如圖5所示[31]。

圖4 不同運動的FFT系數(shù)的歸一化幅度[28]

圖5 人體呼吸反射圖[31]

在呼吸時胸部位移在前后向和正側(cè)方上有所不同，呼吸時背部的體位位移幾乎為零。因此，隨著方位的改變，人體對信號反射的位移也發(fā)生了變化。接收到的信號變化除了呼吸深度和身體位置外，還受到身體方向的影響，如圖6所示[31]。

圖6 不同的身體方向?qū)邮招盘柕挠绊慬31]

這個系統(tǒng)也有一定的局限性，在進行單用戶檢測時，其他用戶在附近移動會產(chǎn)生干擾很難區(qū)分兩個用戶的呼吸。對于上述的問題，Wang等[22]提出了一種可以同時檢測多人呼吸的新方法。該系統(tǒng)使用多個發(fā)射-接收天線來捕獲無線CSI，然后過濾掉到達時間大于截斷閾值的數(shù)據(jù)，并去除受多徑效應影響很大的子載波，就可以從混合接收信號中獲取每個人的呼吸數(shù)據(jù)。但是這個系統(tǒng)受兩主體之間的距離、接收器之間的距離以及所設(shè)置的接收器高度的影響較大。Wang等[23]提出利用相位差來估計多人呼吸頻率，并使用張量分解技術(shù)來處理CSI相位差數(shù)據(jù)。

在使用WiFi設(shè)備來識別人的呼吸和心率模式的變化時，呼吸和心跳引起的周期性的上下胸部運動可以用信號波的幅值來表示，Lee等[24]提出的新系統(tǒng)可以利用動態(tài)時間扭曲算法來檢測出信號模式的顯著變化。Zhang等[25]則首次利用了菲涅耳衍射模型精確量化了衍射增益與人體目標細微胸部位移之間的關(guān)系，從而成功地將先前考慮的第一菲涅耳區(qū)(FFZ)的“破壞性”障礙物衍射轉(zhuǎn)化為有益的傳感能力。不僅把前端的胸部位移作為現(xiàn)有的解決方案，而且考慮到背部的微妙位移，從而在理論上取得了很大的成果。

2 未來的發(fā)展與工作

雖然目前研究者們在基于無線信號的室內(nèi)安防技術(shù)上有了很多突破性的進展，但是仍存在許多問題：

1) 多人的檢測和定位。在室內(nèi)出現(xiàn)多個人員的情況下，因不同的人和人體活動會對接收信號造成不同的影響，現(xiàn)有的定位技術(shù)和檢測技術(shù)建立指紋庫的工作繁瑣、復雜，不能很好地將每個人以及每個人的行為區(qū)分開。所以，如何對多個感知對象建模區(qū)分室內(nèi)每個人及其不同行為將是今后研究工作中的重點。

2) 克服復雜環(huán)境中的多徑效應。在復雜的環(huán)境下，在無線信號的傳播過程中由于室內(nèi)的靜態(tài)物體和運動的人體反射、折射等，會導致各條傳播的路徑的時延不同，在接收端的合成信號出現(xiàn)多徑效應，而多徑效應會產(chǎn)生衰落，使得我們的定位、檢測產(chǎn)生很大的誤差。現(xiàn)有的技術(shù)不能有效地消除多徑效應，難以建立信號變化與人體行為之間的精確關(guān)聯(lián)。所以，如何處理復雜多徑的影響、建立信號變化與人體行為之間的更為精確的關(guān)聯(lián)是未來研究工作的重點。

本文根據(jù)技術(shù)方法的不同，將基于無線感知的室內(nèi)安防技術(shù)的三大步驟：人員出現(xiàn)檢測、位置定位和身份識別的已有工作進行分類，并指出目前在基于無線信號的室內(nèi)安防技術(shù)上存在的缺點以及今后研究工作的重點。作為一個被廣泛關(guān)注的研究課題，有越來越多的研究者正投入這一領(lǐng)域的研究工作中。可以預見，在不久的將來基于無線感知的室內(nèi)安防技術(shù)會出現(xiàn)突破性的進展。