无线网络监控器安装教程(无线网络监控摄像头app)

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。