in

RF-Pose: Usando señales WiFi para «ver» a través de las paredes

Una red neural crea figuras 2D para calcular posiciones

RF-Pose

En el pasado hemos hablado sobre proyectos que nos ayudan a ver a la vuelta de las esquinas, pero hay otro objetivo muy popular entre los investigadores, que es rastrear gente detrás de las paredes. Uno de los primeros ejemplos nos remonta a la época del viejo Microsoft Kinect, sin embargo, hoy descubrimos al sistema RF-Pose desarrollado por el instituto CSAIL del MIT. El sistema combina señales inalámbricas dentro de las frecuencias WiFi con una red neural de aprendizaje profundo que procesa a dichas señales para generar un modelo 2D y estimar «pose y ubicación» de una persona dentro de una habitación.

Desde operaciones de rescate en incendios o derrumbes hasta delicadas situaciones de rehenes, hay razones de sobra por las que a una fuerza de seguridad o un equipo de emergencia le encantaría tener un sistema que permita ver detrás de las paredes. Por supuesto, la óptica tiene sus limitaciones, y la mayoría de estos desarrollos se basan en señales de radio. Uno de los principales desafíos es incrementar la precisión del rastreo, y un grupo de expertos en el CSAIL del MIT decidió aplicar el poder de fuego que tienen las redes neurales. El resultado, es RF-Pose:

RF-Pose utiliza señales inalámbricas dentro de la banda de frecuencias pertenecientes al WiFi que alimentan a una red neural, la cual a su vez genera un «mapa de confianza» con esos datos recibidos. Ese mapa es suficiente para extraer esqueletos en dos dimensiones, independientemente de los objetos que haya en la habitación, o de las condiciones de luz. El cálculo de profundidad en RF-Pose es un poco limitado (algunos esqueletos desaparecen cuando otros pasan por delante), pero puede procesar varias personas al mismo tiempo en una escena única.

Lógicamente, todo se reduce a una cuestión de entrenamiento. La red neural puede reconocer y aislar el estilo que tiene una persona para caminar, elevando la precisión en la estimación de poses a un 83 por ciento. En otras palabras, RF-Pose no sólo logra determinar hasta cierto punto qué es lo que está haciendo una persona, sino también de quién se trata. ¿Qué sigue en la lista? Pasar a un modelo de esqueletos 3D que habilite el registro de micromovimientos más pequeños.

Reportar

¿Qué te pareció?

Mentor

Escrito por Lisandro Pardo

Moderador de ComunidadUsuario VerificadoVotadorAutor de contenidoCreador de GaleríasCreador de Listas

Comentarios

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Loading…

0

Comentarios

0 comentarios

¡Era hora! Super Mario 64 emulado a la perfección a 60 FPS

Cómo cambiar el puntero del mouse

Cómo cambiar el puntero del mouse