1. 研究目的与意义
人体动作识别一直是近年来计算机视觉领域一个研究热点。而人体行为的分析研究，可以追溯到1973年美国心理学家johansson对人体运动感知所做的工作。进入了二十世纪九十年代，由marr提出了计算机视觉理论后，人体行为分析获得了长远的发展，目前已作为一个多学科交叉研究的领域，涉及计算机视觉，信号处理，模式识别，人工智能等多个学科。
人体行为检测与识别技术在当前社会生活中的应用正日益广泛，主要集中在智能视频监控，病人监护系统，人机交互，虚拟现实，智能家居，智能安防，运动员辅助训练等。如在居家养老时可以检测老人摔倒等异常情况，在智能家庭中可以通过人体的动作识别人们的行为意图，在公共场合及各种人机交互场景下，行为识别技术也起着重要的作用。传统的人体行为检测与识别主要通过视频图像或可穿戴设备进行。但采用视频图像检测时，可能存在检测死角，并可能泄露个人隐私；而可穿戴设备检测方法需要被检测人员的配合，在某些情况下并不可行。因此，通过无线信号的波动来检测人体行为的技术受到了研究者们的广泛关注。其中，wifi信号越来越成熟，高速稳定的wifi设备已经大规模安装。这些设备有着制造成本低，便于安装和使用等特点。考虑到检测设备成本和部署的便利性，基于wifi和无线传感器网络的无线信号行为检测技术成为了当前的一个研究热点。本课题正是利用普遍存在的wifi信号，研究如何在简单的室内环境下检测和识别基本的人体行为。该方法无需专门硬件，无需被测人体配合，基于被动采集的室内 rss 特征值，通过机器学习的方法，即可有效识别不同人体行为。
2. 研究内容和预期目标
课题研究内容：
1.基于wifi信号获取rss值；
3. 研究的方法与步骤
总体设计思路流程图如下：
方法一：研究不同网卡对封装参数的规律，探索数据包的结构组成方式，寻找rss的位置，进而解析数据包。之后通过寻找现有的抓包软件如wireshark, charles来读取wifi信号的瞬时rss值，并通过软件保存成txt文件到硬盘中。
4. 参考文献
[1] chetty k,smith ge. through-the-wall sensing of personnel using passive bistatic wifiradar at standoff distances. ieee trans. on geoscience and remote sensing,2012, 50(4): 1218?1226.
[2] sigg s,shi s, ji y. rf-based device-free recognition of simultaneously conductedactivities, ubicomp (adjunct publication) 2013, 531?540.
[3] abdelnasser h, youssef m,harras ka. wigest: a ubiquitous wifi-based gesture recognition system, in:proc. of the ieee infocom 2015, 2015.
5. 计划与进度安排
2022.3.5-2022.4.5：充分查阅相关资料，撰写并修改完成开题报告；
2022.4.6-2022.4.25：深入研究无线局域网协议的相关内容，利用c语言编程实现rss强度信息获取的基本功能；
2022.4.26-2022.5.20：对程序界面及功能进行改进，以便更符合课题设计要求；
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
