Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloPeople Counting by Dense WiFi MIMO Networks: Channel Features and Machine Learning Algorithms
Anno di pubblicazione2019
Formato-
Autore/iKianoush, Sanaz; Savazzi, Stefano; Rampa, Vittorio; Nicoli, Monica
Affiliazioni autoriConsiglio Nazionale delle Ricerche, Politecnico di Milano University
Autori CNR e affiliazioni
  • SANAZ KIANOUSH
  • STEFANO SAVAZZI
  • VITTORIO RAMPA
Lingua/e
  • inglese
AbstractSubject counting systems are extensively used in ambient intelligence applications, such as smart home, smart building and smart retail scenarios. In this paper, we investigate the problem of transforming an unmodified WiFi radio infrastructure into a flexible sensing system for passive subject counting. We first introduce the multi-dimensional channel features that capture the subject presence. Then, we compare Bayesian and neural network based machine learning tools specialized for subject discrimination and counting. Ensemble classification is used to leverage space-frequency diversity and combine learning tools trained with different channel features. A combination of multiple models is shown to improve the counting accuracy. System design is based on a dense network of WiFi devices equipped with multiple antennas. Experimental validation is conducted in an indoor space featuring up to five moving people. Real-time computing and practical solutions for cloud migration are also considered. The proposed approach for passive counting gives detection results with 99% average accuracy.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da-
Pagine a-
Pagine totali16
RivistaSensors (Basel)
Attiva dal 2001
Editore: Molecular Diversity Preservation International (MDPI), - Basel
Lingua: inglese
ISSN: 1424-8220
Titolo chiave: Sensors (Basel)
Titolo proprio: Sensors. (Basel)
Titolo abbreviato: Sensors (Basel)
Numero volume della rivista19
Fascicolo della rivista16
DOI10.3390/s19163450
Verificato da refereeSì: Internazionale
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000484407200007)
Parole chiavecrowd sensing, MIMO WiFi, machine learning, 5G, cloud computing
Link (URL, URI)https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6721073/
Titolo parallelo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • IEIIT — Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni
Moduli/Attività/Sottoprogetti CNR-
Progetti Europei-
Allegati