面向边缘部署的轻量化WiFi智能感知人体姿态估计方法

摘要

随着物联网与边缘计算的快速发展，基于WiFi感知的非侵入式人体姿态估计技术因其普适性和隐私保护优势而备受关注。然而，该技术从实验室走向实际边缘部署面临两大挑战：(1)当前的主流模型由于参数量巨大、计算复杂度高，其运行对于硬件资源需求高，而边缘设备的存储、算力和功耗都极为有限，难以满足模型的部署条件；(2)多数方法局限于单人场景，缺乏对现实世界中多人姿态的有效估计能力。为解决上述问题，文章提出了一种专为边缘环境优化的轻量级WiFi多人姿态估计模型。通过引入以深度可分离卷积和选择性卷积为核心构建的高效主干网络，显著降低模型复杂度。在自建数据集上的实验表明，该方案在保证精度领先的同时，实现模型大小、计算开销和内存消耗的全面优化，这3项关键指标相较基线方法分别下降70.1%、85.5%和70.3%,同时，在PCK@10和PCK@20等关键指标上取得了显著提升。该研究证实轻量化模型在边缘设备上实现实时多人WiFi姿态估计的可行性，为技术在真实场景中的应用提供了有效解决方案。

关键词

智能感知 / 深度学习 / 人体姿态估计 / 轻量化方法