XGait

Name: XGait
Creator: 西北工业大学; 哈尔滨工程大学
Published: 2026-08-07T18:13:45+08:00

arXiv2026-08-07 更新2026-08-11 收录

室内人体跟踪与身份识别

多模态无线感知

数据链接：

https://github.com/warrior-087/XGait 数据链接链接失效反馈

官方服务：

资源简介：

XGait是一个多模态无线感知数据集，由西北工业大学与哈尔滨工程大学联合创建，专为室内人体跟踪与身份识别设计。该数据集包含超过22,000个行走样本，来自27名参与者，在实验室、会议室和住宅三种室内场景中同步采集Wi-Fi信道状态信息与主动声学信号，并以视觉测量作为真值轨迹。数据采集采用商用Wi-Fi与声学收发器，通过软件触发实现多设备同步，覆盖多种行走方向与复杂轨迹，以捕捉真实步态变化。该数据集旨在解决单模态无线感知对环境布局和轨迹异变的脆弱性，为多模态融合、跨模态分析及泛化性评估提供标准化基准，推动无线感知技术在智能家居、安防监控等领域的应用。

XGait is a multimodal wireless sensing dataset jointly developed by Northwestern Polytechnical University and Harbin Engineering University, specifically designed for indoor human tracking and identity recognition. This dataset contains over 22,000 walking samples from 27 participants, with Wi-Fi Channel State Information (CSI) and active acoustic signals synchronously collected in three indoor scenarios: laboratory, conference room and residential space, and visual measurements serving as the ground-truth trajectories. Commercial Wi-Fi and acoustic transceivers were used for data collection, with multi-device synchronization achieved via software triggering. The dataset covers diverse walking directions and complex trajectories to capture realistic gait variations. This dataset aims to address the vulnerability of single-modal wireless sensing to environmental layout changes and trajectory anomalies, providing a standardized benchmark for multimodal fusion, cross-modal analysis and generalization evaluation, and promoting the application of wireless sensing technologies in fields such as smart home and security monitoring.

提供机构：

西北工业大学; 哈尔滨工程大学

创建时间：

2026-08-07

原始信息汇总

数据集概述

XGait 是一个面向室内人体跟踪与步态识别的多模态无线感知数据集，已被 UbiComp 2026 会议接收。

核心特点

多模态感知：融合 WiFi CSI 与声学信号进行无线感知，并辅以视频作为地面真值。
大规模数据：涵盖 27 名受试者、4 种场景，在多样化环境中采集丰富的步态模式。

数据模态与来源

模态	采集设备	作用
WiFi CSI	Intel 5300 网卡（1 发 3 收）	捕捉稳定的躯干运动
声学信号	标准麦克风/扬声器（1 发 3 收）	捕捉细微的步态动态
视频	单反相机	提供步态验证与分析的基准真值

数据集规模与获取方式

完整数据集超过 100GB，托管于 Kaggle 平台。
下载地址：https://www.kaggle.com/datasets/weilaiyilai55/xgait-paper-dataset
包含四个场景文件夹：Home、Laboratory、MeetingRoom、MeetingRoom-DifferentDays，下载后需置于 data/FusionGait/ 目录下。

场景说明

场景	描述
Home	家庭环境
Laboratory	实验室环境
MeetingRoom	会议室环境
MeetingRoom-DifferentDays	不同日期的会议室环境（用于跨日泛化研究）

系统要求

操作系统：Windows 10+ 或 Ubuntu 20.04
Python：3.12.1
MATLAB：R2025a（运行时或完整安装）
内存：最低 8GB，推荐 16GB
存储：完整数据集需 500GB+ 空间
GPU：可选，支持 CUDA 的 NVIDIA GPU 可加速训练

项目结构

data/FusionGait/ — 多模态传感器数据（四个场景子目录）
data/GaitVideo/ — 视频录制数据
src/ — 源代码，包含信号处理（MATLAB 编译）、识别流程（特征提取、身份模型、预处理）
tools/Tutorials/ — 数据采集教程（Wi-Fi、声学、视频地面真值提取）
env/ — 环境依赖文件（Windows 和 Linux 版本）

关键流程

数据采集：分别参照 WiFi、声学、视频教程进行数据录制。
特征提取：将原始传感器数据处理为步态特征。
模型训练：训练和评估身份识别模型。

引用信息

论文发表于 Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 10 卷 3 期，文章编号 179，共 27 页，2026 年 9 月。DOI: 10.1145/3832029。

致谢

数据集感谢 27 名志愿者参与数据采集，并基于 Widar、Linux 802.11n CSI Tool、csiread、TFTB、Ultralytics YOLOv8 和 AprilTag 等开源项目构建。

搜集汇总

数据集介绍

构建方式

XGait数据集构建于多模态无线感知框架之下，通过同步部署Wi-Fi与主动声学收发器，在实验室、住宅及会议室三种具有不同复杂度与视距条件的室内场景中采集人体行走数据。系统采用多节点异构架构，利用Intel 5300网卡以1kHz采样率获取CSI，同时以48kHz音频设备记录单音连续波回波，并借助视觉标记与姿态估计重建高精度轨迹作为地真值。研究招募27名志愿者，在宽松行为约束下执行涵盖直线、曲线及转向的多样化路径，总计形成超过2.2万个行走样本，并针对部分参与者在多天内重复采集以引入日常变化。

特点

XGait数据集的核心特色体现在跨模态互补性与数据规模的显著优势。其将电磁波与机械波两种物理机制各异的信号同步融合，Wi-Fi在非视距条件下提供稳健的全局运动追踪能力，而主动声学凭借更短的波长展现对肢体微动的高敏感度，为身份识别提供更细致的光谱特征。数据集涵盖多种轨迹几何与运动方向，打破传统单一模态或固定路径的限制，并首次在同一框架下支持追踪与识别双重任务及跨模态系统性分析，为无线感知泛化性研究奠定了坚实基础。

使用方法

数据使用依托一套统一基准流程，首先通过多种预处理将Wi-Fi CSI与声学信号映射至共享的多普勒频谱空间，利用躯干主导的路径长度变化率进行软对齐以消除设备间时间偏移，进而实现统一的运动表征。随后可依据任务需求，分别采用基于频谱的深度学习范式或基于模型的物理运动描述符（如PPVP）进行身份识别，同时通过多链路投影模型重建连续轨迹。该流程提供标准化评估协议与多种骨干网络及融合策略，支持跨轨迹、跨场景及节点密度等系统性分析，便于可复现研究与新方法对比。

背景与挑战

背景概述

XGait数据集由西北工业大学等机构的研究人员于2026年发布，旨在解决无线感知领域在室内人体追踪与身份识别任务中面临的数据匮乏和模态单一问题。该数据集通过同步采集Wi-Fi信道状态信息（CSI）和主动声学信号，并辅以视觉设备提供的地面真值轨迹，覆盖实验室、住宅和会议室三种室内场景，包含来自27名参与者的超过22000个行走样本，设计了丰富的路径和方向变化，以支持稳健的跨场景评估。XGait是首个同时支持追踪与识别的大规模多模态无线感知数据集，其统一的基准处理流程和跨模态分析框架，为研究不同无线模态的互补性提供了重要平台，推动了无线感知技术在普适计算和物联网领域的应用与发展。

当前挑战

XGait数据集面临的挑战首先在于无线感知固有的环境特定性和视角依赖性，单一模态（如Wi-Fi或声学）的特征容易受环境布局和行走轨迹变化的影响，难以在不同部署条件下保持稳定性能。其次，尽管XGait提供了大规模多模态数据，但数据构建过程中需克服异构设备间的时钟同步难题，以及不同物理特性的信号（电磁波与机械波）在时间-频率分辨率上的统一映射问题。此外，跨场景泛化和轨迹多样性带来的分布偏移，对模型的可迁移性和融合策略提出了更高要求，亟需开发自适应融合和领域自适应方法以充分利用多模态互补优势。

常用场景

经典使用场景

XGait数据集以其多模态、多场景、多轨迹的显著特性，成为室内人体跟踪与身份识别研究的核心基准。其经典使用场景聚焦于利用Wi-Fi信道状态信息与主动声学信号的同步采集，在实验室、住宅及会议室三种差异化的室内环境中，对27名受试者超过2.2万个步行样本进行跨模态分析。研究者可借助该数据集验证基于多普勒谱图统一表征的跟踪算法，或在跨轨迹泛化条件下评估身份识别模型的鲁棒性，从而系统探究异构无线感知模态在复杂室内布局下的互补机制。

衍生相关工作

XGait的发布催生了一系列衍生研究工作，其中最具代表性的是围绕跨模态融合策略的探讨。例如，基于该数据集，研究者发展了任务驱动的自适应融合架构，动态权衡Wi-Fi在全局轨迹跟踪上的优势与声学在细微步态识别上的敏感性，显著提升了复杂轨迹和遮挡条件下的系统可靠性。同时，统一的普勒谱图表征激发了模态不变特征学习的研究，推动了跨场景、跨设备泛化方法的发展。此外，针对节点密度与布局影响的系统性分析，为稀疏感知网络中的链接选择与可靠性评估提供了新思路，这些工作共同丰富了多模态无线感知的方法论体系。

数据集最近研究