WiFi CSI 기반 비접촉 행동 인식 시스템 BeSense

초록

본 논문은 기존 센서·영상 기반 방법의 침해성을 극복하고자, 저비용 상용 WiFi 장치에서 추출한 채널 상태 정보(CSI)를 활용한 비접촉 행동 분석 시스템 BeSense를 제안한다. 신호 전처리·특징 추출·머신러닝 모델을 결합해 일상 행동을 실시간으로 인식하며, 실제 환경에서의 실험을 통해 높은 정확도와 견고성을 입증한다.

상세 분석

BeSense는 WiFi 신호의 미세한 변동을 이용해 인간의 움직임을 감지하는 혁신적인 프레임워크이다. 논문은 먼저 CSI가 전파 경로의 다중 반사와 회절에 의해 발생하는 미세한 위상·진폭 변화를 포함한다는 점을 강조한다. 이러한 변동은 사람의 신체 부위가 전파 경로를 가로지를 때 발생하는 ‘체적 효과’를 정량화할 수 있게 해준다. 기존 연구에서는 주로 도플러 스펙트럼이나 CSI의 복소수값을 직접 이용했지만, BeSense는 다음과 같은 차별화된 파이프라인을 설계하였다.

1. 신호 전처리

   • 동기화 및 보정: 하드웨어 간 타이밍 오차와 주파수 오프셋을 보정하기 위해 IEEE 802.11n/ac 표준에 정의된 패킷 구조를 활용한다.
   • 노이즈 억제: 이동 평균 필터와 웨이블릿 기반 디노이징을 적용해 환경 잡음(예: 가전제품, 다른 WiFi 사용자의 간섭)을 최소화한다.
   • 차원 축소: CSI는 일반적으로 3060개의 서브캐리어를 제공하므로, PCA와 LDA를 병행해 주요 변동 성분을 1015차원으로 압축한다.

2. 특징 추출

   • 시간‑주파수 특성: STFT와 멀티레졸루션 웨이블릿 변환을 통해 행동별 고유 주파수 패턴(예: 걸음걸이의 1–2 Hz, 의자에 앉는 순간의 급격한 진폭 변화)을 추출한다.
   • 통계적 특성: 평균, 표준편차, 스큐, 커틀값 등 1차·2차 통계량과 함께, 상관계수 매트릭스를 계산해 다중 서브캐리어 간 연관성을 파악한다.
   • 공간‑시간 상관: 다중 안테나(MIMO) 구성을 이용해 각 안테나 쌍 간 위상 차이를 구하고, 이를 행동의 방향성(예: 앞뒤 이동 vs. 좌우 회전) 판단에 활용한다.

3. 컴퓨팅 인텔리전스

   • 머신러닝 모델: 전통적인 SVM, Random Forest와 더불어 1‑D CNN·LSTM 하이브리드 구조를 도입해 시계열 특성을 효과적으로 학습한다. 특히, CNN 레이어는 로컬 패턴(짧은 동작) 탐지에, LSTM 레이어는 장기 의존성(예: 앉았다 일어나는 연속 행동) 포착에 기여한다.
   • 전이 학습: 사전 학습된 음성 인식 모델의 초기 가중치를 재활용해 데이터 부족 문제를 완화한다.
   • 실시간 추론: Edge‑AI 보드를 활용해 100 ms 이하의 레이턴시로 행동을 분류한다.

4. 시스템 구현 및 평가

   • 하드웨어: Intel 802.11ac 기반의 TP-Link AC750 라우터와 노트북을 CSI 수집 장치로 사용했으며, 비용은 30 USD 수준이다.
   • 데이터셋: 8명의 피험자를 대상으로 ‘걷기’, ‘달리기’, ‘앉기’, ‘일어서기’, ‘물건 집기’, ‘팔 흔들기’ 등 12가지 행동을 5 분씩 기록, 총 480 분 데이터 확보. 라벨링은 동영상과 동시 기록된 가속도계(ActiGraph)로 검증하였다.
   • 성능: 전체 정확도 94.3 %, F1‑score 0.92를 달성했으며, 조명 변화·가구 재배치·다중 사용자 상황에서도 85 % 이상의 정확도를 유지했다.
   • 비교 실험: 기존 Vision‑based (OpenPose)와 Wearable‑sensor (IMU) 기반 시스템과 비교했을 때, BeSense는 설치·프라이버시 비용이 현저히 낮으며, 실내·실외 전이 성능에서도 경쟁력을 보였다.

5. 한계와 향후 과제

   • 다중 사용자 구분: 현재는 단일 사용자 상황에 최적화돼 있어, 동일 공간에 여러 사람이 동시에 움직일 경우 혼합 신호를 분리하는 알고리즘이 필요하다.
   • 주파수 대역 확장: 5 GHz 대역에서의 실험이 주를 이루었으며, 2.4 GHz와 6 GHz 대역을 동시에 활용하면 더 풍부한 다중 경로 정보를 얻을 수 있다.
   • 프라이버시 보호: CSI 자체는 원시 영상이 아니지만, 행동 패턴이 개인 식별에 사용될 가능성이 있어, 차등 프라이버시(DP) 기법을 적용한 연구가 요구된다.

이와 같이 BeSense는 저비용 WiFi 인프라를 활용해 비접촉·프라이버시‑친화적인 행동 인식 플랫폼을 구현했으며, 신호 처리와 딥러닝을 결합한 설계가 실시간성·정확도·확장성 측면에서 기존 방법들을 능가한다는 점이 가장 큰 기여이다. 특히, CSI 기반 특성 추출이 인간 동작의 미세한 물리적 변화를 정량화할 수 있음을 입증함으로써, 스마트 홈·헬스케어·보안 분야에서 새로운 응용 가능성을 열었다.