（你…干…嘛……呐啊）
多人跟踪也是so easy：
操作过程中全然不须要拍下影像、不须要探头输入的仅是WiFi二维讯号，输入则是二维消化系统面目三台交换机方可搞掂！换算成生产成本都不出500块而且还倍受自然环境强光、最终目标被遮盖的影响，效用吻合于如前所述2D影像进行辨识的方式。
啊这，总而言之WiFi能“看见”我？再进一步……WiFi能监控我？？
OMG，蜘蛛人故事情节要跳出现实生活了？？要知道在《暗影勇士》里，哥谭市其他人的手机都变为的是监控电子设备，同一个空间里其他人的一言一行都能被动态历史记录。
网民们已经构想血腥感有了：想像呵呵，只需两台相连WiFi接收机的电视机，自己就能看见我们全家人在干啥了。
没人即使说，以后可能要要在头上涂隔热来过滤WiFi讯号。
搞浑身跟踪，千万别用探头了如上提及的方式，是卡内基卡内基理工学院（CMU）机器研究院的新丰硕成果研究的这类目地是为的是为保护个人隐私，即便在许多非公共厕所，如敬老院、群居老奶奶中，监控十分有必要性，但是采用探头又极难确保个人隐私安全可靠。
采用雷达倒是能解决个人隐私问题，但价格和具体可操作上就很劝退了。于是，该团队想到了用现在几乎各家必备的WiFi来进行辨识。
所以在电子设备上，仅需三台再也普通不过的家用路由器（每个至少有3根天线）就可以了原理也很简单，就是利用WiFi讯号中的信道状态信息（CSI）数据这些数据是一堆复杂的十进制序列，可以表示发射讯号波和接收讯号波之间的比率。
当它们在发射器和接收机之间传输时，一旦接触到消化系统，就会被修改。于是，通过解读这些“改变”，就可以检测到消化系统面目。
为此，研究人员开发了一个“如前所述区域”的卷积神经网络分析pipeline，该pipeline可以定位消化系统的各个部位然后再将WiFi讯号的相位和振幅映射到24个消化系统区域里的坐标，实现最终的浑身面目跟踪
具体来说，模型通过三个分量从WiFi讯号中生成消化系统表面的UV坐标。首先，通过振幅和相位Sanitization步骤对原始CSI讯号进行“净化”处理。
然后，将处理过的CSI讯号通过双分支编码器-解码器网络转换为2D特征图。
接着，将2D特征馈送到一个叫做DensePose RCNN的架构中该架构灵感就来自Facebook已经开源的消化系统坐姿动态辨识系统DensePoseDensePose入选了2018年CVPR的Oral环节，主要是把2D影像转换成3D消化系统模型。
所以这步的目地就是算出2D特征图对应的3D面目，也就是估计出UV坐标。
尽管我们从肉眼看上去，两种方式的最终结果差不多，但在数据方面，如前所述影像的方式效用还是更好一些。比如在同样自然环境布局下，如前所述WiFi方式的精确度都低于影像方式。
△数值越高意味着越好不同自然环境布局的情况也是如此。
与此同时，如果遇到数据集中不包含的动作，该方式也无法辨识成功。如果人数超过3个，也发生“丢人”情况。下图中左边两幅是罕见动作失败案例，右边两幅是3人以上辨识失败情况。
ong Huang，他现在是卡内基卡内基理工学院高级项目科学家。
△Dong Huang他的研究方向一直都是利用深度学习进行讯号辨识。比如之前已经实现了用WiFi讯号动态辨识2D消化系统面目。
△Fernando De la Torre他的研究方向主要为计算机视觉，涉及领域包括消化系统面目辨识、AR/VR等2014年曾创办过一家开发人脸辨识技术的公司FacioMetrics LLC，2年后被Facebook收购。
机 械 前 线 机械 · 设计 · 技术 · 创新
