💻 computer science

An Artificial Intelligence-Driven Framework for Real-Time CHPD Using Wi-Fi Channel State Information

Este artículo presenta un marco de trabajo de bajo costo, preservador de la privacidad e impulsado por IA que utiliza la Información de Estado del Canal de Wi-Fi capturada por dispositivos ESP32 y procesada a través de un modelo híbrido CNN-BiLSTM-Attention para lograr la detección de presencia humana, el conteo de personas y la clasificación de actividades en tiempo real y sin contacto con una precisión del 78,57%.

Autores originales: Samarth Gayake

Publicado 2026-10-06

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Samarth Gayake

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En los rincones tranquilos de nuestros hogares y oficinas, ondas invisibles de Wi-Fi rebotan constantemente en las paredes, los muebles y el aire mismo. Estas ondas transportan nuestros correos electrónicos y videos, pero también portan una historia oculta sobre el espacio por el que viajan. Cuando una persona se mueve por una habitación, su cuerpo perturba sutilmente estas ondas, cambiando la forma en que llegan a un receptor. Esta perturbación se conoce como Información de Estado del Canal (CSI, por sus siglas en inglés), un mapa detallado del viaje de la señal que revela no solo la fuerza de la conexión, sino la forma y el tiempo específicos de cada ondulación. Mientras que las cámaras han sido durante mucho tiempo el estándar para observar quién está en una habitación, estas plantean preocupaciones sobre la privacidad y requieren hardware costoso. Los investigadores han comenzado a preguntarse si las señales de Wi-Fi ya presentes en nuestras vidas podrían servir como un observador silencioso e invisible, capaz de contar personas y detectar movimiento sin necesidad de tomar una sola fotografía.

Un investigador ha construido ahora un sistema que convierte esta idea en una realidad operativa. Creó un marco que utiliza dos pequeños y económicos chips de computadora para escuchar las señales de Wi-Fi en una habitación y determinar exactamente cuántas personas están presentes, qué están haciendo y si están sentadas, de pie o caminando. La configuración es sencilla: un chip actúa como transmisor, enviando un flujo constante de paquetes Wi-Fi, mientras que un segundo chip actúa como receptor, capturando esos paquetes a medida que llegan. Cuando la habitación está vacía, los paquetes llegan en un patrón predecible. Pero cuando una persona entra en el espacio, su cuerpo refleja y dispersa las señales, creando una huella digital única de cambio en los datos. El investigador capturó estos cambios, convirtiendo las variaciones de la señal bruta en un flujo de números que una computadora pudiera entender.

Para dar sentido a estos complejos datos, el investigador desarrolló un cerebro informático especializado, un tipo de inteligencia artificial diseñada para aprender de los patrones. No dependió de un solo método, sino que combinó tres técnicas diferentes para imitar cómo un humano podría analizar una escena. Primero, el sistema analizó la disposición espacial de la señal, identificando qué partes del espectro de Wi-Fi se veían más afectadas por la presencia de una persona. Luego, examinó la secuencia de eventos a lo largo del tiempo, rastreando cómo cambiaba la señal de un momento a otro para comprender el movimiento. Finalmente, el sistema aprendió a centrar su atención en las partes más importantes de los datos, ignorando el ruido de fondo que suele afectar a las señales inalámbricas. Este enfoque híbrido permitió a la computadora distinguir entre una habitación sin nadie, una habitación con una persona, una habitación con hasta cinco personas o incluso un grupo más grande.

El investigador probó su sistema registrando miles de muestras de señal en un entorno controlado. Etiquetó los datos de acuerdo con la verdad de campo de la habitación: vacía, una persona, dos personas, hasta cinco personas, una multitud y actividades específicas como sentarse, estar de pie o caminar. Alimentó su modelo de inteligencia artificial con estos datos, el cual aprendió a asociar patrones de señal específicos con estas condiciones particulares. Los resultados fueron prometedores. El sistema clasificó con éxito estos diez escenarios diferentes con una precisión de prueba del 78,57 por ciento. Aunque no es perfecto, el rendimiento fue lo suficientemente sólido como para demostrar que la tecnología funciona. El investigador señaló que el sistema a veces confundía el número de personas cuando la diferencia era pequeña, como confundir a una persona con cinco, probablemente porque los cambios de señal en esas condiciones específicas pueden parecer muy similares. Sin embargo, la capacidad general para detectar la presencia y la actividad fue robusta, incluso cuando las personas no eran directamente visibles para los sensores, demostiendo que el sistema funciona incluso cuando la línea de visión está bloqueada.

Para dar vida a esta tecnología, el investigador construyó un panel de control en tiempo real que muestra lo que el sistema está viendo. Esta interfaz muestra la fuerza de la señal en vivo, el número de personas detectadas, la actividad predicha y la confianza que la computadora tiene en su respuesta. También rastrea factores ambientales como la temperatura y la humedad, que pueden influir en las señales, asegurando que el sistema permanezca consciente de su entorno. Todo el proceso ocurre en tiempo real, con el sistema procesando veinte fotogramas consecutivos de datos a la vez para tomar una decisión. Este enfoque permite que el sistema reaccione rápidamente a los cambios en la habitación, proporcionando un flujo continuo de información sobre la ocupación sin necesidad de una lente de cámara.

La importancia de este trabajo reside en su potencial para ofrecer una alternativa que preserve la privacidad frente a la vigilancia tradicional. Debido a que el sistema se basa en la infraestructura de Wi-Fi existente y no captura imágenes ni video, puede monitorear espacios sin invadir la privacidad personal. Utiliza hardware de bajo costo que está ampliamente disponible, lo que lo hace accesible para hogares inteligentes, monitoreo de salud para personas mayores y aplicaciones de seguridad donde las cámaras no son adecuadas. El investigador reconoce que esto es un paso adelante, pero no el destino final. Planea mejorar la precisión mediante la recopilación de datos más diversos y el perfeccionamiento del modelo de inteligencia artificial. Por ahora, ha demostrado que las ondas invisibles del Wi-Fi pueden, de hecho, decirnos quién está en la habitación, ofreciendo una nueva forma de percibir nuestro mundo que es tanto efectiva como respetuosa con nuestra privacidad.

Resumen Técnico: Un Marco de Trabajo Impulsado por IA para la Detección de Presencia Humana en Tiempo Real mediante CSI de Wi-Fi

Planteamiento del Problema
Los sistemas convencionales de Detección de Presencia Humana (HPD), que dependen de cámaras o dispositivos portátiles, enfrentan limitaciones significativas que incluyen altos costos de despliegue, preocupaciones de privacidad, dependencia de la participación del usuario y sensibilidad a la iluminación y la oclusión. Si bien la Información de Estado del Canal (CSI) de Wi-Fi ofrece una alternativa prometedora, que preserva la privacidad y no es invasiva al detectar la presencia humana a través de perturbaciones de la señal (reflexión, difracción, dispersión), los enfoques existentes luchan contra el ruido ambiental, el desvanecimiento por trayectorias múltiples y las imperfecciones del hardware. Los métodos tradicionales de aprendizaje automático a menudo fallan al modelar eficazmente las complejas características espaciales y temporales de los datos CSI, particularmente bajo condiciones de No Línea de Visión (NLoS), lo que reduce la robustez.

Metodología
El artículo propone un marco de aprendizaje profundo híbrido diseñado para la detección y el conteo de presencia humana de forma no contactante y en tiempo real. La arquitectura del sistema consta de tres etapas primarias:

Hardware y Adquisición de Datos:
- El sistema utiliza dos microcontroladores ESP32 de bajo costo. Uno actúa como transmisor enviando paquetes Wi-Fi mediante el protocolo ESP-NOW, mientras que el segundo actúa como receptor capturando métricas de señal bruta.
- El receptor extrae el Indicador de Fuerza de Señal Recibida (RSSI), la amplitud de la CSI y los datos de fase.
- Los datos se transmiten a una PC a través de una conexión serie UART (921,600 baudios) y se registran utilizando una herramienta personalizada de Python.
- El conjunto de datos se estructura en 20 tramas de CSI consecutivas por muestra, donde cada trama contiene 384 características de CSI, resultando en una dimensión de entrada de $20 \times 384$ .
Preprocesamiento de Datos:
- Los datos brutos se someten a una limpieza rigurosa, que incluye el análisis de paquetes, validación, eliminación de ruido, manejo de valores atípicos, imputación de paquetes faltantes y normalización.
- Los datos se etiquetan según las condiciones de verdad de terreno: Vacío (0 personas), 1–5 Personas, Multitud, Sentado, De pie y Caminando.
Arquitectura de Aprendizaje Profundo:
- Se emplea un modelo híbrido que combina Redes Neuronales Convolucionales (CNN), Memoria a Largo Plazo Bidireccional (BiLSTM) y un Mecanismo de Atención.
- CNN: Extrae patrones espaciales a través de los subportadores de Wi-Fi.
- BiLSTM: Captura dependencias temporales y patrones secuenciales dentro de las secuencias de 20 tramas para rastrear el movimiento a lo largo del tiempo.
- Mecanismo de Atención: Pesa dinámicamente las características más informativas, mejorando la robustez contra el ruido ambiental.
- El modelo genera una salida de clasificación en diez clases objetivo utilizando una función Softmax.
Monitoreo en Tiempo Real:
- Un tablero basado en Streamlit visualiza la salida del sistema, mostrando el conteo de personas, la actividad predicha, las puntuaciones de confianza, el RSSI, las estadísticas de paquetes y las condiciones ambientales (temperatura, humedad).

Contribuciones Clave

Arquitectura Híbrida: El desarrollo de un modelo CNN–BiLSTM–Atención diseñado específicamente para extraer características tanto espaciales como temporales de los datos CSI de Wi-Fi para la detección humana.
Implementación de Bajo Costo: El uso de dispositivos ESP32 comerciales para establecer un enlace de detección de CSI funcional, evitando la necesidad de hardware especializado.
Clasificación Exhaustiva: El sistema aborda un problema de clasificación múltiple, distinguiendo entre niveles específicos de ocupación (0–5 personas), densidad de multitud y actividades específicas (sentado, de pie, caminando) tanto en condiciones de Línea de Visión (LoS) como de No Línea de Visión (NLoS).
Visualización en Tiempo Real: Integración de un tablero en vivo que proporciona retroalimentación inmediata sobre el rendimiento del sistema y el contexto ambiental.

Resultados
La evaluación experimental del marco produjo las siguientes métricas de rendimiento:

Precisión (Accuracy): El modelo alcanzó una precisión de prueba del 78.57%.
Dinámica de Entrenamiento: A lo largo de 60 épocas, la precisión de entrenamiento alcanzó aproximadamente el 93%, mientras que la precisión de validación se estabilizó en aproximadamente un 82%. El autor señala una tendencia moderada hacia el sobreajuste (overfitting) en las épocas finales, indicado por la brecha creciente entre las métricas de entrenamiento y validación.
Desempeño de Clasificación: La matriz de confusión indica altas tasas de clasificación correcta a lo largo de la diagonal. Sin embargo, se observó cierta clasificación errónea entre las clases "1_Persona" y "5_Personas", lo que sugiere características de CSI superpuestas bajo ciertas condiciones ambientales.
Métricas: El desempeño fue validado adicionalmente mediante precisión, exhaustividad (recall) y puntuaciones F1, confirmando la capacidad del modelo para generalizar a pesar del sobreajuste observado.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto proporciona una alternativa de bajo costo, no contactante y que preserva la privacidad frente a los sistemas de monitoreo humano basados en visión o dispositivos portátiles. Al aprovechar la infraestructura Wi-Fi existente y el aprendizaje profundo avanzado, el sistema demuestra la viabilidad de utilizar la CSI de Wi-Fi para la estimación de la ocupación y el reconocimiento de actividades en tiempo real en entornos interiores inteligentes. El autor posiciona este trabajo como un paso hacia entornos inteligentes escalables de próxima generación que no comprometen la privacidad del usuario.

El artículo concluye de manera modesta, reconociendo que el trabajo futuro se centrará en mejorar la precisión de la clasificación mediante conjuntos de datos más grandes y diversos, optimizar la arquitectura de aprendizaje profundo y evaluar el marco en diversas condiciones de despliegue en interiores.

Más como este