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

Negli angoli silenziosi delle nostre case e dei nostri uffici, onde invisibili di Wi-Fi rimbalzano costantemente contro pareti, mobili e l'aria stessa. Queste onde trasportano le nostre email e i nostri video, ma trasportano anche una storia nascosta sullo spazio che attraversano. Quando una persona si muove in una stanza, il suo corpo disturba sottilmente queste onde, cambiando il modo in cui esse arrivano a un ricevitore. Questo disturbo è noto come Channel State Information (Informazione sullo Stato del Canale), una mappa dettagliata del viaggio del segnale che rivela non solo la forza della connessione, ma la forma e la tempistica specifica di ogni increspatura. Mentre le telecamere sono state a lungo lo standard per osservare chi è in una stanza, esse sollevano preoccupazioni sulla privacy e richiedono hardware costoso. I ricercatori hanno iniziato a chiedersi se i segnali Wi-Fi già presenti nelle nostre vite possano servire come un osservatore silenzioso e invisibile, capace di contare le persone e rilevare il movimento senza mai scattare una fotografia.

Un ricercatore ha ora trasformato questa idea in una realtà operativa. Ha creato un framework che utilizza due piccoli ed economici chip per computer per ascoltare i segnali Wi-Fi in una stanza e determinare esattamente quante persone sono presenti, cosa stanno facendo e se sono sedute, in piedi o in movimento. La configurazione è semplice: un chip funge da trasmettitore, inviando un flusso costante di pacchetti Wi-Fi, mentre un secondo chip funge da ricevitore, catturando i pacchetti man mano che arrivano. Quando la stanza è vuota, i pacchetti arrivano secondo un modello prevedibile. Ma quando una persona entra nello spazio, il suo corpo riflette e disperde i segnali, creando un'impronta digitale unica di cambiamento nei dati. Il ricercatore ha catturato questi cambiamenti, convertendo le variazioni del segnale grezzo in un flusso di numeri che un computer potesse comprendere.

Per dare senso a questi dati complessi, il ricercatore ha sviluppato un cervello informatico specializzato, un tipo di intelligenza artificiale progettata per apprendere dai modelli. Non si è affidato a un singolo metodo, ma ha combinato tre diverse tecniche per imitare il modo in cui un essere umano potrebbe analizzare una scena. In primo luogo, il sistema ha esaminato la disposizione spaziale del segnale, identificando quali parti dello spettro Wi-Fi fossero state maggiormente influenzate dalla presenza di una persona. Successivamente, ha esaminato la sequenza di eventi nel tempo, tracciando come il segnale cambiasse da un momento all'altro per comprendere il movimento. Infine, il sistema ha imparato a concentrare la sua attenzione sulle parti più importanti dei dati, ignorando il rumore di fondo che spesso affligge i segnali wireless. Questo approccio ibrido ha permesso al computer di distinguere tra una stanza con nessuno, una stanza con una persona e una stanza affollata con fino a cinque persone o persino un gruppo più numeroso.

Il ricercatore ha testato il suo sistema registrando migliaia di campioni di segnale in un ambiente controllato. Ha etichettato i dati secondo la verità di base (ground truth) della stanza: vuota, una persona, due persone, fino a cinque persone, una folla e attività specifiche come seduti, in piedi o in movimento. Ha alimentato il suo modello di intelligenza artificiale con questi dati, che ha imparato ad associare specifici modelli di segnale a queste specifiche condizioni. I risultati sono stati promettenti. Il sistema ha classificato con successo questi dieci diversi scenari con un'accuratezza di test del 78,57 percento. Sebbene non sia perfetto, la prestazione è stata sufficientemente forte da dimostrare che la tecnologia funziona. Il ricercatore ha notato che il sistema a volte confondeva il numero di persone quando la differenza era minima, come nel caso di scambiare una persona per cinque, probabilmente perché i cambiamenti del segnale in quelle specifiche condizioni possono apparire molto simili. Tuttavia, la capacità complessiva di rilevare la presenza e l'attività è stata robusta, anche quando le persone non erano direttamente visibili ai sensori, dimostrando che il sistema funziona anche quando la linea di vista è ostruita.

Per dare vita a questa tecnologia, il ricercatore ha costruito una dashboard in tempo reale che mostra ciò che il sistema sta vedendo. Questa interfaccia mostra la forza del segnale in tempo reale, il numero di persone rilevate, l'attività prevista e la fiducia che il computer ha nella propria risposta. Monitora anche fattori ambientali come temperatura e umidità, che possono influenzare i segnali, assicurando che il sistema rimanga consapevole del proprio ambiente. L'intero processo avviene in tempo reale, con il sistema che elabora venti frame consecutivi di dati alla volta per prendere una decisione. Questo approccio permette al sistema di reagire rapidamente ai cambiamenti nella stanza, fornendo un flusso continuo di informazioni sull'occupazione senza mai necessitare di una lente di una telecamera.

La portata di questo lavoro risiede nel suo potenziale di offrire un'alternativa che preservi la privacy rispetto alla sorveglianza tradizionale. Poiché il sistema si basa sull'infrastruttura Wi-Fi esistente e non cattura immagini o video, può monitorare gli spazi senza invadere la privacy personale. Utilizza hardware a basso costo che è ampiamente disponibile, rendendolo accessibile per le smart home, il monitoraggio sanitario per gli anziani e le applicazioni di sicurezza dove le telecamere non sono adatte. Il ricercatore riconosce che questo è un passo avanti, ma non la destinazione finale. Pianifica di migliorare l'accuratezza raccogliendo dati più diversificati e perfezionando il modello di intelligenza artificiale. Per ora, ha dimostrato che le onde invisibili del Wi-Fi possono effettivamente dirci chi è nella stanza, offrendo un nuovo modo di percepire il nostro mondo che è al contempo efficace e rispettoso della nostra privacy.