Открываете список вай-фай сетей. Если их там 2 или больше, поздравляем,

Открываете список вай-фай сетей. Если их там 2 или больше, поздравляем, вы видны как на миллиметровом радаре через стены. Собственно вот прекрасная работа, которая показывает как из трёх передатчиков и трёх приёмников (если что, это два обычных трёхантенных Wi-Fi роутера) собрать данные о человеке.

То есть раньше было видно просто телефоны. Потом появились решения для просмотра через стену на базе вайфая, но они все были кривоваты — либо не хватало мощности, либо точности. К ним докрутили нейросетку. Вообще любая технология с нейросеткой и хорошим датасетом достаточно неотличима от магии.

Датасет собрали с камер, обучили, потом камеры убрали. Магия случилась. 

«С другой стороны, технологии радаров и LiDAR требуют специализированного оборудования, которое является дорогостоящим и энергоемким. Кроме того, размещение этих датчиков в непубличных местах вызывает серьезные проблемы с конфиденциальностью. Для устранения этих ограничений в недавних исследованиях изучалось использование антенн WiFi (одномерных датчиков) для сегментации тела и обнаружения ключевых точек тела. В этой статье мы расширили возможности использования сигнала WiFi в сочетании с архитектурами глубокого обучения, широко используемыми в компьютерном зрении, для оценки плотного соответствия поз человека. Мы разработали глубокую нейронную сеть, которая сопоставляет фазу и амплитуду сигналов WiFi с ультрафиолетовыми координатами в 24 областях тела человека. Результаты исследования показывают, что наша модель может оценить плотную позу нескольких субъектов с производительностью, сравнимой с подходами на основе изображений, используя сигналы WiFi в качестве единственного входного сигнала. Это открывает путь к созданию недорогих, широкодоступных и сохраняющих конфиденциальность алгоритмов распознавания человека.»

«Эти методы позволяют определить только центр объекта; кроме того, точность локализации составляет всего около 0,5 метра из-за случайного сдвига фазы, допускаемого стандартом связи IEEE 802.11n/ac WiFi, и потенциальных помех от электронных устройств в аналогичном частотном диапазоне, таких как микроволновые печи и сотовые телефоны. Чтобы решить эти проблемы, мы черпаем вдохновение в недавно созданных архитектурах глубокого обучения в компьютерном зрении и предлагаем архитектуру нейронной сети, которая может выполнять плотную оценку позы по данным WiFi. На рис. 1 показано, как наш алгоритм способен оценить плотную позу, используя только сигнал WiFi в сценариях с окклюзией и множеством людей.»

Радует одно — прежде чем это будет в каждом доме исключительно для вашего удобства и конфиденциальности, наверное, появятся управляемые нейросетями постановщики помех.
_______
Источник | #Fourier_series
@F_S_C_P