Cuando hablamos de la detección y el seguimiento corporal, muchos avances se han realizado en los últimos años utilizando radares, cámaras RGB o sensores LiDAR. Sin embargo, investigadores de la Universidad de Carnegie Mellon han demostrado que es posible hacerlo con dispositivos que hoy están en prácticamente todos los hogares del mundo. Hablamos de los routers de internet inalámbrico. Sí, lo creas o no, ya es posible obtener «poses densas de cuerpo humano completo» usando señales WiFi como único método de entrada.

El trabajo de Jiaqi Geng, Dong Huang, y Fernando De la Torre es muy interesante, puesto que para lograr su propósito han analizado la combinación de las señales WiFi con arquitecturas de aprendizaje profundo. Así, desarrollaron una red neuronal que mapea la fase y amplitud de las señales WiFi en coordenadas UV dentro de 24 regiones del cuerpo humano.

Los resultados obtenidos han sido muy llamativos, ya que han podido detectar a múltiples sujetos utilizando la información proveniente de las antenas de routers WiFi. Y la calidad de los mismos se encuentra a la par de otras soluciones que dependen de la captura de imágenes.

Ciertamente, no estamos hablando de una tecnología que ya esté lista para su aplicación comercial o doméstica. No obstante, los avances logrados sientan las bases para el desarrollo de soluciones de detección corporal que no solo serían mucho más económicas que las ya existentes, sino que también brindarían mayor privacidad.

Usando señales WiFi para detectar personas

Señales WiFi | Detección corporal
Arriba, el equipamiento. En la franja central, el funcionamiento de los algoritmos. Abajo, la detección corporal solo con señales WiFi.

Los investigadores de Carnegie Mellon buscaron llevar más allá los estudios ya existentes sobre el uso de antenas WiFi para la segmentación del cuerpo humano y la detección de sus puntos clave. Y los primeros resultados son notorios. Pero, ¿por qué usar señales WiFi para detectar y seguir personas cuando ya se han desarrollado otras tecnologías más avanzadas para ello?

Los autores reconocen que la evolución en áreas como la realidad aumentada y los sistemas de conducción autónoma es muy importante. Pero también explican que soluciones como las cámaras RGB o los sensores LiDAR no tienen un alcance masivo porque son caros. Pero no solo eso, sino que también requieren del uso de hardware muy específico y consumen gran cantidad de energía. En cambio, los routers para internet inalámbrico hoy son muchísimo más económicos y ya están presentes en la vida cotidiana de millones de personas alrededor del mundo.

Uno de los aspectos más positivos del uso de señales WiFi en la detección corporal es que no se ve afectado por los típicos inconvenientes que afectan a las cámaras, especialmente en interiores. Tales los casos de las sombras, la oscuridad, los reflejos y hasta la obstrucción provocada por muebles u otros objetos.

Según los expertos, esta nueva modalidad sería de especial utilidad en escenarios en los que se necesite detectar personas, pero sin afectar su privacidad. Un ámbito de aplicación podría ser la salud y el cuidado de ancianos.

[…] La mayoría de las personas se sienten incómodas con tener cámaras grabándolos en sus hogares, y en ciertas áreas (como el baño) no será factible instalarlas. Estos problemas son particularmente críticos en las aplicaciones de atención médica, que cada vez se trasladan más de las clínicas a los hogares, donde las personas son monitoreadas con la ayuda de cámaras y otros sensores. Es importante resolver los problemas antes mencionados para asistir mejor a la población que envejece, que es la más susceptible (especialmente durante el COVID) y tiene una demanda creciente para mantenerlos viviendo de forma independiente en el hogar. Creemos que las señales WiFi pueden servir como un sustituto omnipresente de las imágenes RGB para la detección humana en ciertos casos.

Fragmento de la investigación realizada por Jiaqi Geng, Dong Huang, y Fernando De la Torre.

Un método muy curioso

El uso de señales WiFi para la detección y el seguimiento corporal ha requerido del armado de una infraestructura muy interesante. Durante su investigación, los autores del estudio no requirieron de un setup de hardware demasiado complejo. Como necesitaban de tres transmisores y tres receptores inalámbricos, solo implementaron dos routers inalámbricos con tres antenas cada uno.

Posteriormente, crearon una arquitectura de aprendizaje profundo capaz de detectar los cuerpos humanos y mapearlos utilizando las señales WiFi como único método de entrada. Un proceso nada sencillo, considerando que el algoritmo tenía que poder lidiar con escenarios en los que existieran múltiples sujetos y posibles obstrucciones.

Los resultados finales han sido sorprendentes. Los investigadores han compartido comparaciones cualitativas de la detección corporal solo con WiFi, contra imágenes sincronizadas obtenidas con cámaras, y han dejado en evidencia que la tecnología tiene gran potencial.

La comparación entre las fotografías sincronizadas y el mapeo con señales WiFi.

Por supuesto que el sistema no es perfecto. Algunos errores típicos que han encontrado han sido cuando el dispositivo detectaba poses que no estaban en los datos del entrenamiento; lo que llevaba a que se mapearan partes del cuerpo equivocadas. Mientras que cuando había tres o más personas en simultáneo, el modelo basado en señales WiFi no era capaz de extraer el mayor detalle de cada sujeto. No obstante, los desarrolladores creen que estos inconvenientes son solucionables con más adiestramiento.

Todavía queda mucho por explorar en este sector, y los autores del estudio ya planean la próxima fase: predecir formas del cuerpo humano en 3D usando solo las señales provenientes de antenas WiFi.


Suscríbete a Hiper*

Recibe todas las mañanas en tu email nuestra newsletter. Una guía para entender y obtener las claves de lo realmente importante en relación con la tecnología, la ciencia y la cultura digital.

Procesando…
¡Lo lograste! Ya estás en la lista.

Deja un comentario

Participa en la conversación, deja tu comentario