明敏风色出自凹寺。量子比特|微信官方账号QbitAI现在,你可以在只有WiFi的房间里“看到”你在做什么(你是什么做啊啊啊)多人跟踪也非常简单:过程中不需要拍照
明敏风色出自凹寺。
量子比特|微信官方账号QbitAI
现在,你可以在只有WiFi的房间里“看到”你在做什么…
(你是什么…做…啊啊啊)
多人跟踪也非常简单:
过程中不需要拍照和摄像。
输入只是一维的WiFi信号,输出是三维的人体姿态。
两台路由器就可以了!转换成本不到500元。
而且不受环境光和物体遮挡的影响,效果接近基于2D图像识别的方法。
啊,这个,是不是说WiFi可以“看到”我?进一步地………WiFi能监控我??
OMG,蝙蝠侠的故事要变成现实了??
要知道,在《黑暗骑士》里,哥谭市每个人的手机都变成了监控设备,每个人在同一个房间里的一举一动都可以被实时记录下来。
网友们构思了一个恐怖的脑洞:
试想一下,只是一台连接了WiFi接收器的电视,别人就能看到我们家在做什么。
甚至有人说,以后可能要在身上涂一层保护层,屏蔽WiFi信号。
搞全身追踪,不要用摄像头了
上述方法是CMU卡耐基梅隆大学机器人研究所的新成果。
研究本身的目的是保护隐私。毕竟在很多非公共场所,比如养老院、独居老人等,监控是非常必要的,但是使用摄像头很难保证隐私。
使用雷达可以解决隐私问题,但是价格和具体可操作性很让人泄气。
于是,团队想到了利用几乎每一个必要的WiFi来识别。
所以在设备上,只需要两台普通家用路由器(每台至少3根天线)。
原理也很简单,就是利用WiFi信号中的信道状态信息(CSI)数据。
这些数据是一个复杂的十进制序列,可以表示发射信号波和接收信号波之间的比值。
当它们在发射器和接收器之间传输时,一旦接触到人体就会被修改。
因此,通过解读这些“变化”,我们可以检测到人类的姿态。
因此,研究人员开发了一种“基于区域”的卷积神经网络分析管道,可以定位人体的各个部位。
然后将WiFi信号的相位和幅度映射到人体24个区域的坐标上,实现最终的全身姿态跟踪。
具体来说,该模型通过三个组件从WiFi信号中生成人体表面的UV坐标。
首先,原始CSI信号通过幅度和相位净化步骤被“净化”。
然后,通过两分支编码器-解码器网络将处理后的CSI信号转换成2D特征图。
接下来,2D的特性被输入到一个叫做DensePose RCNN的架构中。
该架构的灵感来自脸书开源的实时人体姿势识别系统DensePose。DensePose被选为2018年CVPR的口语环节,主要是将2D影像转换成3D人体模型。
所以这一步的目的是计算2D特征图对应的3D姿态,也就是估计UV坐标。
最后,在训练主网络之前,作者还最小化了图像生成的多层次特征图和WiFi信号生成的多层次特征图之间的差异,进一步完善了最终结果。
虽然我们肉眼可以看到两种方法的最终结果差不多,但是在数据方面,基于图像的方法更胜一筹。
例如,在相同的环境布局下,基于WiFi的方法的准确率低于图像法。
不同的环境布局也是如此。
同时,如果你遇到一个不包含在数据集中的动作,这种方法无法识别成功。如果超过三个人,也会出现“羞耻”。
下图中,左边两个是罕见的动作失败案例,右边两个是三人以上识别失败案例。
不过,该团队认为,上述问题可以通过进一步扩大数据集来解决。
另外,这种方式对路由器放置要求高,会影响其他WiFi网络。
来自CMU团队,有2位华人作者
作为齐家·耿,第一篇论文来自卡耐基·梅隆大学,他于去年8月获得了机器人学硕士学位。
另一位中国作家是黄东,他现在是卡内基梅隆大学的高级项目科学家。
他的研究方向一直是利用深度学习进行信号识别。例如,以前已经实现了用WiFi信号实时识别2D人体姿势。
最后一位作者是费尔南多·德拉托雷,他现在是卡内基梅隆大学机器人研究所的副教授。
研究方向主要是计算机视觉,涉及人体姿态识别、AR/VR等领域。
FacioMetrics LLC是一家开发人脸识别技术的公司,成立于2014年,两年后被脸书收购。
作者的团队表示,这种方法的性能仍然受到可用于训练的有限数据的限制,未来,他们计划扩展数据集。
论文地址:
https://arxiv.org/ABS/2301.0250
结束—
量子qbitai头条号签约
关注我们,第一时间获悉前沿科技动态。
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。
作者:美站资讯,如若转载,请注明出处:https://www.meizw.com/n/405475.html