Ты просыпаешься ночью, идешь на кухню за стаканом воды и вдруг поскальзываешься и падаешь на землю. У вас нет с собой телефона, камеры или датчика движения поблизости. Может ли ваша точка доступа WIFI обнаружить вас и позвонить в экстренную службу?

Приведенный выше сценарий — лишь один из многих случаев, когда пассивная некооперативная локализация и поведенческий анализ имеет принципиальное значение. Такой класс стратегий предназначен для решения фундаментальной задачи обнаружения, идентификации, отслеживания и анализа поведения (например, позы) человека. без бирки/специального устройства. Но возможно ли это физически?

Спрос на возможности пассивной локализации в сложной внутренней среде неуклонно растет уже несколько лет. На самом деле, способность обнаруживать и понимать положение и поведение несотрудничающих сущностей выходит далеко за рамки варианта использования «умного дома» и охватывает широкий спектр сред (музеи, торговые центры, офисные здания или аэропорты) и цели (обнаружение злоумышленников, выявление «наиболее посещаемых» судов или районов, локализация людей без сознания при эвакуации). Существует несколько стандартных решений, которые позволяют пассивно локализовать людей, но для подавляющего большинства из них требуется специальное аппаратное обеспечение, специально установленное в сценарии (например, камеры, радары, ИК-датчики) и, во многих случаях, особые условия работы (например, правильная освещенность, отсутствие тумана/дымки/дыма), что не всегда может быть обеспечено в реальности.

Вот где Концепция локализации пассивной беспроводной сети E-AIR вступает в игру. Используя комбинацию надежного физического фона, основанного на концепции «эквивалентных токов», и усовершенствованных специализированных инструментов искусственного интеллекта, система E-AIR решает вышеуказанную проблему гибким и эффективным способом.

Ключевая идея этого подхода заключается в том, что присутствие человека в помещении создает «возмущение» в уже существующей беспроводной среде (например, WIFI), точно так же, как человек, идущий в бассейне, возмущает поверхность воды. Такое возмущение может быть косвенно обнаружено инфраструктурой (например, точками доступа), даже если человек не носит какое-либо конкретное устройство и даже если окружающая среда НЕ оборудована специальными датчиками. Оппортунистический характер решения очевиден, поскольку оно подходит для любой среды, оборудованной одной или несколькими точками доступа, наряду с его надежностью (сигналы WIFI не требуют, чтобы в комнатах было хорошее освещение). Но возникает очевидный вопрос: как система понимает реальный смысл возмущения?

Изучение и понимание беспроводная подпись С каждым возмущением (обнаружение, идентификация, отслеживание и анализ поведения) связана работа E-AIR. Для этого, в отличие от предыдущих методов, использующих эффекты «беспроводного затенения», используется комбинация методов обучения на примерах (включая расширенные методы регрессии опорных векторов, стратегии глубокого обучения и кригинга), эволюционные алгоритмы оптимизации и методы дискретизации с несколькими разрешениями. применяется к трехмерным векторным уравнениям, описывающим электромагнитное рассеяние связанных с каждой потенциальной целью. Такой комплексный пакет демонстрировался командой ELEDIA в различных контекстах за последние 10 лет, причем контексты приложений варьировались от умных домов и умных зданий до здравоохранения и безопасности.

Совсем недавно исследователи ELEDIA рассмотрели, как можно расширить эту концепцию, чтобы понять не только положение и позу несотрудничающего человека, но и его/ее жесты. Используя дополнительную информацию, полученную от современных беспроводных стандартов MIMO, была продемонстрирована возможность оценки основных жестов несотрудничающих пользователей в отсутствие какого-либо специального датчика, что проложило путь для приложений в сценариях домашних развлечений и вспомогательных технологий, среди другие.

Предстоит проделать большую работу в нескольких направлениях, как с прикладной, так и с методологической точки зрения, но возможности и сценарии, обеспечиваемые способностью «видеть» нашу беспроводную сигнатуру, обширны и многообещающи.

Читать далее

• Ф. Виани, М. Д. Мильоре, А. Поло, М. Салуччи и А. Масса, «Стратегия итеративной классификации для беспроводного обнаружения пассивных целей с несколькими разрешениями», Electronics Letters, vol. 54, нет. 2, с. 101-103, 25 1 2018, doi: 10.1049/эл.2017.2036.
• Ф. Виани, Ф. Робол, А. Поло, П. Рокка, Г. Оливери и А. Масса, «Беспроводные архитектуры для гетерогенного зондирования в приложениях для умного дома: концепции и реальная реализация», Труды IEEE, том. 101, нет. 11, стр. 2381-2396, ноябрь 2013 г., doi: 10.1109/JPROC.2013.2266858.
• Ф. Виани, П. Рокка, Г. Оливери, Д. Тринкеро и А. Масса, «Локализация, отслеживание и визуализация целей в беспроводных сенсорных сетях: приглашенный обзор», Radio Science, vol. 46, нет. 05, стр. 1-12, октябрь 2011 г., doi: 10.1029/2010РС004561
• Ф. Виани, П. Рокка, М. Бенедетти, Г. Оливери и А. Масса, «Электромагнитная пассивная локализация и отслеживание движущихся целей в среде с инфраструктурой WSN», обратные задачи — специальный выпуск «Электромагнитные обратные задачи: возникающие Методы и новые приложения», том. 26, стр. 1-15, май 2010 г. doi:10,1088%2F0266-5611%2F26%2F7%2F074003
• Ф. Виани, Л. Лиззи, П. Рокка, М. Бенедетти, М. Донелли и А. Масса, «Отслеживание объектов с помощью измерений RSSI в беспроводных сенсорных сетях», Electronics Letters, vol. 44, нет. 10, стр. 653-654, 8 мая 2008 г., doi: 10.1049/эл:20080509