Umělá inteligence | Wi-Fi

Bojte se! Umělá inteligence vytvořila 3D modely osob v kanceláři prostým sledováním signálu Wi-Fi

Detekce pohybu pomocí signálu Wi-Fi už dnes není žádné sci-fi a se dvěmi prototypovacími destičkami vybavenými čipem ESP32 to zvládne každý domácí elektrokutil na pár řádcích kódu.

Se vším pomůže technologie CSI (Channel State Information), která obsahuje hromadu informací o tom, jak kvalitní byl právě přenos dat mezi vysílačem a přijímačem. Je to takový komplexnější a přesnější údaj než sice rozšířenější, ale příliš zobecnělý údaj RSSI.

261161bf-6edb-4086-8af2-93dc3f5e00df
Wi-Fi vysílač (CSI SEND) posílá zprávy, zachycuje je Wi-Fi přijímač (CSI RECV) a v laptopu se vypisují odchylky v kvalitě signálu CSI

Když mezi Wi-Fi vysílačem a přijímačem projde člověk, samozřejmě silně zdeformuje nejbližší elektromagnetické pole, což se projeví i ve zprávě CSI. Zvláště když ji budeme na přijímači číst dostatečně rychle po sobě, aby nám neunikl žádný náhlý výkyv.

3D modely lidí v místnosti ze signálu Wi-Fi

Informace „v místnosti je pohyb“ ovšem přišla inženýrům z univerzity Carnegie Mellon příliš vágní, a tak detekci skrze Wi-Fi a CSI dovedli k dokonalosti. Ano, správně, jak už tomu dnes bývá, na pomoc povolali umělou inteligenci.

cc31e5c1-f9fa-49b0-bd5a-0f4895510672
Základní hardwarová konfigurace experimentu s Wi-Fi vysílačem a přijímačem

Testovací kancelář vybavili hned několika Wi-Fi body, které mohly prostor uprostřed křížově snímat ze všech úhlů. Poté opět začali číst z přijímačů údaje o kvalitě signálu CSI rychlostí 100 Hz a vytvořili z nich prostorovou matici, která připomínala obrázek.

04f02283-889a-4a5b-a34e-bf4b2cfe3b75
Pole vysílačů/přijímačů a matice přijatých zpráv CSI jako vstup pro strojové učení (náhrada za obrázek z běžné kamery) 

Obrázek, který samozřejmě začne měnit barvy, když se v prostoru začne pohybovat nějaká masa hmoty, která způsobí náhlý útlum signálu.

Tato komplexní data poté prohnali upraveným strojovým učením DensePose.

DensePose proměnila šum v člověka

DensePose je neuronka, která se učí v běžném RGB obrazu segmentovat lidské postavy a detekovat jejich základní kostru. Vědci z Carnegie Mellon ji přeučili takovým způsobem, aby pochopila, že lidskému tělu v různých polohách odpovídá právě takový charakter prostorové matice složené ze zpráv CSI.

743c5e11-716a-4d4f-a5cf-115fe114622e
Neuronka DensePose slouží k detailní segmentaci postavy člověka v záběrech z kamery

Výsledek je ohromující! Upravený PoseNet generuje relativně detailní 3D modely osob, tentokrát mu ale namísto obrazu z běžných kamer stačí numerická data o kvalitě rádiového signálu z matice přijímačů rozmístěných v místnosti.

e48b559f-a544-4070-a61d-da8d0f977f44
Upravená neuronka DensePose v akci. Nahoře kontrolní segmentace pomocí běžné kamery, dole pak pomocí signálu Wi-Fi

Samozřejmě to není bezchybné, ale z toho mála, čím se vědci pochlubili v článku publikovaném na Arxivu (PDF), je zřejmé, že lze rozlišit jednotlivé osoby a alespoň částečně i jejich momentální pózy v 3D prostoru.   

62ef73b9-d650-48dc-b3af-f7e0b76c0454
Segmentace z běžné kamery a z Wi-Fi signálu
Diskuze (17) Další článek: Vědcům se poprvé podařilo odvrátit blesky pomocí laserů

Témata článku: , , , , , , , , , , , , , ,