最新研究：不用摄像头，仅靠WiFi就能“看到”你

现在，不用摄像头，只靠WiFi就能“看到”一个人在房间里的全部动作了。

准确地说，是输入WiFi信号，就能输出一个3D人体姿态，也就是一个包含了关节或骨骼关键点，能够描述人行为动作（也就是姿态）的三维模型，就像是下面这样：

这项研究的论文于2022年12月31日发表在预印本网站Arxiv，作者则来自卡耐基梅隆大学的一个团队，他们表示，人体姿态的估计或识别在当下很多场景中都能用到（如自动驾驶、医疗救助等），但使用传统的摄像头、传感器或者雷达却存在难以保证隐私安全、成本限制等问题。

为了解决这些问题，团队便想到了现在几乎家家必备的WiFi，所要用到的设备为两个路由器，其核心原理也并不难——WiFi信号在遇到人体运动时会改变其传播路径，进而使得接收器收到的信号的相关数据产生不同程度的变化，通过分析这些变化的具体参数，就能实现人体感知。

不过，这种方式只能定位物体的中心，如果存在手机、微波炉等电磁干扰，定位精度也会下降。因此，研究团队构建了一种神经网络架构，可以通过WiFi中进行关键点较为密集的人体姿态估计。具体分为三步：

1. 进行振幅和相位的“消毒”（Sanitization）操作，对原始WiFi信号中的关键数据进行清理；

2. 将上述清理过的数据通过双分支的解码器-编码器网络转换为2D特征图；

3. 将2D特征图通过改良后的DensePose-RCNN架构（一种人体姿态估计模型）转换为3D人体模型。

在最终生成模型的效果上，基于拍摄图像生成的三维人体模型与基于WiFi生成的模型相比，性能基本一致。

左：基于图像生成 右：基于WiFi生成

同时，通过对实验结果的数据分析，研究团队还发现，在基于拍摄图像生成的三维人体模型中，由于离摄像机较远的个体在图像中占据的空间较小，也导致了这些主体的信息较少，但在基于WiFi信号生成的结果中，由于WiFi信号包含了整个场景中的所有信息，所以不管主体的位置如何，最终生成的模型数据信息量都相差不大。

AP-m和AP-l两值差异较小，说明结果信息差异也较小。

当然，研究团队也承认，目前基于图像进行人体姿态估计的精度普遍比基于WiFi的方法要更高，他们所提出的新方法虽然在估计人体躯干的姿势方面表现良好，但在检测四肢等细节方面仍然存在困难。

AP指平均精确度，越高越好。

此次论文的一作二作皆为华人，在论文最后，研究者们表示，他们希望未来能收集更多数据拓展工作，使得WiFi设备能成为继RGB相机、激光雷达之后的另一更廉价、更能保护隐私的人体传感器。

编译：南都记者杨博雯