WIFI-CSI-Dataset

我们创建了一个基于WiFi CSI的数据集，用于检测洗手或手部摩擦动作。这些动作遵循世界卫生组织（WHO）外科手部准备指南。数据集包含12种不同的手部摩擦动作，包括WHO指南中描述的10种洗手动作和2种额外情况。

We have developed a dataset based on WiFi CSI (Channel State Information) for detecting handwashing or hand-rubbing actions. These actions adhere to the World Health Organization (WHO) guidelines for surgical hand preparation. The dataset encompasses 12 distinct hand-rubbing actions, including the 10 handwashing actions described in the WHO guidelines and 2 additional scenarios.

原始信息汇总

数据集概述

数据集名称

Wi-Fi Handwashing Integrity Tracking and Evaluation

数据集目的

用于检测根据世界卫生组织（WHO）手术手部准备指南进行的手洗手搓动作。

数据收集

• 参与者：两名志愿者（A和B）
• 动作类型：12种不同的手搓动作，包括WHO指南中描述的10种手洗动作及两种额外情况（无手部动作和手部静止）
• 数据收集设备：两台Raspberry Pi，使用nexmon库收集WiFi CSI数据

数据格式

• 原始格式：pcap文件，包含作为复数的CSI值
• 处理后格式：CSV格式，复数值转换为幅度和相位形式

数据维度

• 形状：(2600, 64, 1500, 2)
• 解释：
  • 第一维度（2600）：数据样本数
  • 第二维度（64）：OFDM子载波数量
  • 第三维度（1500）：每个样本约7.5秒的数据，对应WHO推荐的手部动作时间
  • 第四维度（2）：数据点的幅度和相位

附加信息

提供包含静态手部动作的样本数据集。完整数据集请联系： [e-mail]

搜集汇总

数据集介绍

构建方式

在构建WIFI-CSI-Dataset时，研究团队招募了55名年龄在24至27岁之间的志愿者，要求他们在指定区域内进行洗手动作，并使用Raspberry Pi设备通过nexmon库收集WiFi信道状态信息（CSI）数据。志愿者们执行了12种不同的手部摩擦动作，这些动作依据世界卫生组织（WHO）的外科手部准备指南设计，包括WHO指南中描述的每只手的五种动作，以及两种额外的静态手部状态。每名志愿者平均贡献了50个样本，总计形成了12个标签的多类分类数据集。数据以pcap文件格式记录，随后转换为CSV格式，并将其中的复数值转换为幅度和相位形式。

特点

WIFI-CSI-Dataset的主要特点在于其多样的手部动作标签和精细的数据结构。数据集包含了12种不同的手部动作，涵盖了WHO指南中的标准动作以及额外的静态状态，这为手部动作检测提供了丰富的训练和测试样本。数据维度为(2600, 64, 1500, 2)，其中2600个样本，64个正交频分复用（OFDM）子载波，每个样本采集时间为7.5秒，对应1500个时间序列样本，以及每个数据点的幅度和相位信息。这种精细的数据结构使得该数据集在手部动作识别和分类任务中具有高度的应用价值。

使用方法

使用WIFI-CSI-Dataset时，首先需要将pcap文件转换为CSV格式，并提取其中的幅度和相位信息。数据集的维度结构为(2600, 64, 1500, 2)，用户可以根据具体需求选择合适的子载波和时间序列进行分析。该数据集适用于多种机器学习任务，如手部动作的多类分类、时间序列分析等。用户可以通过加载CSV文件，提取特征并训练模型，以实现对手部动作的精准识别。此外，数据集还提供了静态手部的样本数据，可用于模型验证和测试。

背景与挑战

背景概述

WIFI-CSI-Dataset是由一群研究人员创建的，旨在通过WiFi信道状态信息（CSI）来检测洗手或手部摩擦动作的数据集。该数据集的创建遵循世界卫生组织（WHO）的手术手部准备指南，旨在为手部卫生监测提供一个可靠的数据源。数据集的收集涉及55名年龄在24至27岁之间的志愿者，他们在指定区域内执行洗手动作，并使用Raspberry Pi设备收集WiFi CSI数据。通过这种方式，数据集不仅涵盖了WHO指南中描述的五种手部摩擦动作，还包括了无手和静止手的两种额外情况，总共12种动作标签。该数据集的创建为手部卫生监测和动作识别领域提供了宝贵的资源，有望推动相关技术的进一步发展。

当前挑战

WIFI-CSI-Dataset在构建过程中面临多项挑战。首先，数据收集过程需要确保志愿者在执行手部动作时的一致性和准确性，这要求对实验环境进行严格控制。其次，WiFi CSI数据的复杂性使得数据处理和分析变得复杂，需要将原始的pcap文件转换为CSV格式，并将复数值转换为幅度和相位形式。此外，数据集的维度较大，包括2600个数据样本、64个OFDM子载波和1500个时间序列样本，这增加了数据处理的计算复杂性。最后，数据集的多样性和标签的复杂性为多类分类任务带来了挑战，需要开发高效的算法来准确识别不同的手部动作。

常用场景

经典使用场景

WIFI-CSI-Dataset的经典使用场景主要集中在手部动作检测领域，特别是洗手和手部摩擦动作的识别。该数据集通过收集志愿者在执行特定手部动作时的WiFi信道状态信息（CSI）数据，为研究人员提供了一个丰富的数据资源，用于开发和验证基于WiFi信号的手部动作识别算法。这些算法可以应用于医疗保健、公共卫生和智能家居等多个领域，以提高手部卫生监测的效率和准确性。

解决学术问题

WIFI-CSI-Dataset解决了在手部动作检测领域中常见的学术研究问题，如如何利用非接触式技术准确识别和分类手部动作。通过提供高质量的CSI数据，该数据集为研究人员提供了一个标准化的测试平台，用于评估和比较不同的手部动作识别算法。这不仅推动了相关领域的技术进步，还为公共卫生政策的实施提供了科学依据，特别是在全球卫生组织（WHO）推荐的手部卫生指南背景下。

衍生相关工作

基于WIFI-CSI-Dataset，研究人员已经开展了一系列相关工作，包括开发新的手部动作识别算法、优化WiFi信号处理技术以及探索多模态数据融合方法。这些工作不仅提升了手部动作检测的准确性和鲁棒性，还为其他非接触式人体动作检测应用提供了新的思路和方法。例如，有研究利用该数据集开发了基于WiFi信号的跌倒检测系统，进一步扩展了WiFi信号在人体行为分析中的应用范围。