WiFi信号だけで人を検知できるようになりました

身体の検出と追跡について言えば、近年、レーダー、RGB カメラ、または LiDAR センサーを使用して多くの進歩が遂げられています。しかし、カーネギーメロン大学の研究者らは、現在世界中のほぼすべての家庭にあるデバイスでそれが可能であることを示しました。無線インターネットルーターについて話しています。はい、信じられないかもしれませんが、 WiFi 信号を唯一の入力方法として使用して、「密な全身ポーズ」を取得することはすでに可能です。

Jiaqi Geng、Dong Huang、および Fernando De la Torre の研究は、目的を達成するために WiFi 信号と深層学習アーキテクチャの組み合わせを分析したため、非常に興味深いものです。そこで彼らは、人体の 24 領域内の UV 座標で WiFi 信号の位相と振幅をマッピングするニューラル ネットワークを開発しました。

WiFi ルーターのアンテナからの情報を使用して複数の対象物を検出できたため、得られた結果は非常に印象的でした。また、その品質は、画像キャプチャに依存する他のソリューションと同等です。

私たちが話しているのは、商用または家庭用アプリケーションとしてすでに準備が整っているテクノロジーについて話しているわけではありません。しかし、この進歩により、既存のものよりもはるかに安価なだけでなく、より優れたプライバシーを提供する身体検出ソリューションの開発の基礎が築かれました。

WiFi 信号を使用して人を検出する

カーネギーメロン大学の研究者は、人体のセグメント化とそのキーポイントの検出に WiFi アンテナを使用することに関する既存の研究を活用しようとしました。そして最初の結果は注目に値します。しかし、他のより高度なテクノロジーがすでに開発されているのに、なぜ WiFi 信号を使って人を検出して追跡するのでしょうか?

著者らは、拡張現実や自動運転システムなどの分野の進化が非常に重要であることを認識しています。しかし、RGB カメラや LiDAR センサーなどのソリューションは高価であるため、広範囲に到達できないとも説明しています。しかしそれだけではなく、 非常に特殊なハードウェアを使用する必要があり、大量のエネルギーを消費します。一方、今日のワイヤレス インターネット ルーターははるかに安価であり、すでに世界中の何百万もの人々の日常生活に存在しています。

人体検知に WiFi 信号を使用する最も良い点の 1 つは、特に屋内のカメラに影響を与える一般的な欠点の影響を受けないことです。影、暗闇、反射、さらには家具や他の物体による障害物がこれに該当します。

専門家によると、この新しいモダリティは、プライバシーに影響を与えずに人を検出する必要があるシナリオで特に役立ちます。応用分野の 1 つは、健康と高齢者ケアである可能性があります。

[…] ほとんどの人は、家の中にカメラが録画されることに不快感を感じており、特定の場所 (浴室など) ではカメラを設置することが不可能です。これらの問題は、カメラやその他のセンサーの助けを借りて人々が監視される診療所から家庭への移行がますます進んでいる医療用途において特に重要です。高齢化人口をより適切に支援するには、前述の問題を解決することが重要です。高齢者は（特に新型コロナウイルス感染症の影響下で）最も影響を受けやすく、自宅で自立した生活を維持する需要が高まっています。私たちは、WiFi 信号が、場合によっては人間検出用の RGB 画像のユビキタスな代替手段として機能すると考えています。

Jiaqi Geng、Dong Huang、Fernando De la Torre によって実施された研究の断片。

非常に興味深い方法

検出と身体追跡に WiFi 信号を使用するには、非常に興味深いインフラストラクチャの作成が必要です。研究の著者らは、調査中に、過度に複雑なハードウェア設定を必要としませんでした。 3 つのワイヤレス トランスミッタと 3 つのワイヤレス レシーバが必要だったので、それぞれ 3 つのアンテナを備えた 2 つのワイヤレス ルーターのみを実装しました。

その後、唯一の入力方法として WiFi 信号を使用して人体を検出し、マッピングできる深層学習アーキテクチャを作成しました。アルゴリズムが複数の対象と考えられる障害物が存在するシナリオに対処できなければならないことを考えると、単純なプロセスではありません。

最終結果は驚くべきものでした。研究者らは、WiFi のみによる身体検出とカメラで取得した同期画像の定性的な比較を共有し、このテクノロジーに大きな可能性があることを明らかにしました。

もちろんシステムは完璧ではありません。彼らが発見したいくつかの典型的なエラーは、デバイスがトレーニング データにないポーズを検出した場合でした。そのため、間違った体の部分がマッピングされることになりました。一方、同時に 3 人以上の人間がいる場合、WiFi 信号に基づくモデルでは各被験者から最大限の詳細を抽出することができませんでした。ただし、開発者は、これらの問題はトレーニングをさらに増やすことで解決できると考えています。

この分野にはまだ探求すべきことがたくさんあり、研究の著者らはすでに次の段階、つまり WiFi アンテナからの信号のみを使用して 3D で人体の形状を予測することを計画しています。