穿墙透视成真！麻省理工发明新系统，穿过墙壁分析人体动作

麻省理工学院计算机科学和人工智能实验室创建了一个系统，可以穿过墙壁看到你的身体，并在你走路，坐着或静止时重现你的姿势。系统使用无线电波感应您的位置，然后将您的身体变回简单的线条图。这个系统被称为 RF-Pose。

当有遮挡物时，过去常用的方法是推论，即设计算法从可见部分推断遮挡身体部分。但是，随着人体不断运动，很容易进行推理。另外，当一个人完全被阻挡时，例如走在墙后，这种方法不起作用。

MIT CSAIL 团队提出了完全不同的解决方案。他们的出发点很简单：如果可见光被这些障碍物阻挡，请改用其他信号。诸如 Wi-Fi 之类的无线信号可以穿透墙壁，并且 Wi-Fi 还具有被身体反射的额外好处，因此非常适合 “墙穿透” 人体跟踪。

然而，尽管过去的 Wi-Fi 系统可以通过墙找到人的位置，或者生成粗略的轮廓，但结果仍然相对较粗糙，远非视觉人体姿态估计系统的精细度，并且人体关节的准确性还没有已经实现。定位。

为了解决无线信号精度低的问题，这次研究人员采用了 “AI 教学” 的方法。他们训练了一个神经网络，让神经网络从无线信号中学习并估计人体姿势。

然而，这里遇到的困难之一是如何为这个神经网络提供训练样本。基于图片或视频人体姿势识别系统，训练样本可以由人手动标记。然而，当训练基于无线信号的神经网络时，这种方法将不起作用，因为人们看不到 Wi-Fi 信号，也无法从无线信号看到人们的手势，并且他们无法教授神经网络。

“我们的解决方案是监督各种表格的学习。” 该研究论文的第一作者，麻省理工学院博士。学生赵明敏告诉新知源：“这里的想法也很简单，就是同时收集图片和无线信号，并根据图片使用图片，神经网络基于无线信号训练神经网络。”

研究人员使用基于图片的神经网络来做 “老师”，而另一个基于无线信号的神经网络成为“学生”。老师看图片，知道里面的身体姿势。然后他告诉学生，学生需要学习从无线信号中找到相同的结果。用这种方法训练的“学生” 神经网络能够使用无线信号识别人体姿势。

有趣的是，“学生”神经网络不仅学习 “老师” 教给他的东西，而且还了解到 “老师” 不能做任何事情。它可以说比蓝色更好：虽然 “老师” 显示没有障碍。在基于无线信号的 “学生” 的情况下，他们也学会了在存在障碍物的情况下估计人的姿势，甚至通过墙的视角。他们的新系统 RF-Pose 可以解析无线信号，并从中提取精确的 2D 人体姿态，即使在墙壁遮挡的情况下，也可以创建 Wi-Fi 人体手势识别历史中的最高精度。

RF-Pose 已经表现出优异的性能：从墙角度看，即使在没有障碍物的情况下，对于光线昏暗的场景，其精确度也等同于当前基于性能的视觉系统。

实验室在一篇介绍 RF-Pose 系统的公告中写道：

研究人员使用神经网络分析无线电信号，从人体反射回来，然后创建一个动态线条图，在您走动，停下来，坐下并四处走动时模拟这些动作。

该研究小组表示，该系统可用于监测帕金森病和多发性硬化症（MS）等疾病，以更好地了解疾病进展并允许医生相应调整治疗计划。它还可以帮助老年人更独立地生活，同时增加安全层以更好地预测跌倒，受伤和活动模式的变化。

该团队主要对使用该系统进行医疗保健感兴趣，并试图在没有相机或其他外力的帮助下被动监视房间内的物体。

研究人员写道：

“研究团队收集的所有数据都已获得目标主体的同意，并且已经进行了匿名和加密以保护用户隐私。”“至于现实世界中的未来应用，研究团队计划实施 “协议” 机制。在此机制的指导下，RF-Pose 设备安装人员可以执行一系列特定操作来开始监测周围环境。“

在实验中，研究人员在一个人活跃的时候进行了无线电频率干扰，并向该人员展示了射频干扰对机器的视频以训练神经网络。然后他们将线绘制到活动部分，并训练神经网络自动执行相同的操作。由于射频信号无处不在，因此 RF-Pose 设备比其他传感技术更易于使用。

有趣的是，研究人员从来没有训练过 RF-Pose 系统以便穿透墙壁，但它能够 “使用他们以前学过的东西并处理墙壁活动”。

“如果你把计算机视觉系统看作是一名教师，那么这是一个真正有趣的例子，表现出学生比老师表现得更好，” 研究员安东尼奥托拉尔巴说。但是，RF-Pose 系统是否将用于其他商业目的还不清楚。