Распространение Wi-Fi стимулировало развитие новых возможностей наблюдения, столь же умных, сколь и эффективных. Например, исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института придумали способ использовать сигналы Wi-Fi, чтобы увидеть, что находится за стенами, и нанести на карту комнату в 3D. Они также могут использовать это, чтобы определить местонахождение и движения людей или предметов в комнате, отражая сигнал.
Все, что им нужно для этого, — это беспроводной передатчик, установленный за стеной. Когда сигналы отражаются от людей в комнате, можно создать точный силуэт, который затем будет использоваться для идентификации человека.
Исследователи из Калифорнийского университета в Санта-Барбаре недавно пошли еще дальше, выяснив, как сопоставить любых людей, обнаруженных с помощью этой техники, с любыми видеоматериалами человека, которые оказались доступными для идентификации.
Они говорят, что то, как двигаются различные части тела, можно использовать в качестве уникального идентификатора конкретного человека. Гигантские базы данных, которые формируются из общедоступных видеоматериалов с повсеместных камер видеонаблюдения, которые мы наблюдаем в наши дни, являются идеальным источником для таких идентификаций.
Известная как XModal-ID, кросс-модальная система идентификации личности с использованием видео-Wi-Fi, основанная на походке, может использоваться для всего, от безопасности и наблюдения до умных домов.
Ученые использовали пример определения того, является ли кто-то, скрывающийся в доме, известным грабителем. Если у правоохранительных органов уже есть видеозапись ограбления, и они подозревают, что один из грабителей может скрываться в определенном доме, они могут просто разместить пару приемо-передатчиков Wi-Fi за пределами дома, а затем позволить этой технологии определить, тот кто находится внутри фигурирует ли в видео ограбления.
Этот междисциплинарный подход предполагает использование алгоритма восстановления сетки, которая описывает внешнюю поверхность человеческого тела как функцию времени из существующих видеозаписей. Сначала используется моделирование радиочастотного сигнала, который был бы создан, если бы человек шел в зоне Wi-Fi. Затем используется частотно-временная обработка для извлечения основных характеристик походки из реального сигнала Wi-Fi, измеряемого за стеной, и сравнение полученных данных, чтобы увидеть, есть ли совпадение.
После обширного тестирования в своем кампусе они обнаружили высокую степень точности — в среднем 84 процента для 1488 пар Wi-Fi-видео, которые были взяты из пула из восьми человек в трех разных областях, окруженных стеной.