中文标题：基于金字塔型空洞卷积残差模型的Wi-Fi室内人体姿态估计方法

英文标题：Wi-Fi-Based Indoor Human Pose Estimation Using a Pyramid Dilated Convolutional Residual Network

来源期刊：雷达学报

基金项目：国家自然科学基金(62301042)，科技创新领军人才(3050013532502)

作  者：刘淼¹, 曾小路¹, 杨小鹏^{1, 2}, 邢程荐¹, 刘宇²

作者单位：1. 北京理工大学信息与电子学院 北京 100081
2. 北京理工大学长三角研究院(嘉兴) 嘉兴 314000

摘  要：人体姿态估计技术能支撑准确获取人体动作与行为特征，在智能监测、人机交互及健康感知等领域展现出广泛的应用潜力。Wi-Fi感知技术因其普遍性、低成本、非接触感知等优势，成为当前人体姿态非接触式感知技术的研究热点。然而，人体活动具有多尺度、非线性及动态变化复杂等特征，不同肢体部位在时间、空间上运动幅度存在显著差异，对姿态估计算法的多尺度特征建模能力提出了更高要求。现有Wi-Fi人体姿态估计算法普遍存在模型参数量大、特征提取不充分的问题，难以在保证计算效率的同时兼顾估计精度，从而限制了其在复杂场景下的应用潜力。针对上述问题，该文设计并优化了一种基于金字塔型空洞卷积的残差网络架构。针对多尺度人体运动特征设计了金字塔型空洞卷积结构单元，该结构能够在保持空间分辨率的同时显著扩大卷积层的感受野，从而有效捕捉多尺度空间与动态变化信息。同时，空洞卷积结构设计能够在一定程度上减少计算量，提升计算效率。为缓解深层网络训练中的梯度消失与模型退化问题，该文进一步设计了残差结构网络，确保模型在深层结构下的特征表达能力与稳定性。为了验证所提方法的有效性，论文设计搭建了完整的数据多源数据采集系统，可高效获取Wi-Fi姿态估计数据与对应真值数据。实验结果表明，所提方法在人体姿态估计任务中表现优异，MPCK@0.1 指标达到94.96%，优于现有算法，验证了方法的有效性与优越性。

全文链接： https://radars.ac.cn/cn/article/doi/10.12000/JR26024