CNN para reconhecimento de atividades em ambientes prediais com rede de sensores Wi-Fi

Abstract

A proposta deste trabalho é desenvolver um sistema de Human Activity Recognition (HAR) em ambientes prediais, utilizando a tecnologia de Wi-Fi Sensing para capturar dados de Channel State Information (CSI) e uma Convolutional Neural Network (CNN). A coleta de dados foi realizada por uma rede de sensores ESP32 distribuídos estrategicamente no ambiente, onde os sinais de CSI são convertidos em imagens que alimentam o modelo de CNN. O sistema visa identificar atividades humanas de forma não intrusiva (device-free) e preservando a privacidade dos ocupantes, ao dispensar o uso de câmeras e basear-se apenas nas alterações do CSI causadas pelo movimento humano. O trabalho explora o potencial do Wi-Fi Sensing como uma solução viável e econômica, aproveitando infraestruturas de redes sem fio já existentes em muitos edifícios, além de destacar os desafios da coleta de dados precisos e a implementação do modelo de CNN para HAR em ambientes prediais. Os resultados obtidos pela CNN indicaram uma acurácia máxima de 48,33% no conjunto de dados de validação, com ocorrência de overfitting após a época 163. A rede de sensores foi capaz de adquirir dados de CSI, porém o processo de limpeza de dados apresentou cerca de 30% de inserção de linhas para ajustar os arquivos, apontando a necessidade de melhorias na aquisição.