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

우리 집과 사무실의 조용한 구석구석에서, 보이지 않는 와이파이(Wi-Fi) 파동은 벽, 가구, 그리고 공기 그 자체에 끊임없이 부딪히며 튕겨 나가고 있습니다. 이 파동들은 우리의 이메일과 영상을 실어 나르지만, 동시에 그 파동이 통과하는 공간에 대한 숨겨진 이야기도 함께 전달합니다. 사람이 방 안을 움직일 때, 그들의 신체는 이 파동을 미세하게 교란하여 수신기에 도달하는 방식을 변화시킵니다. 이러한 교란은 채널 상태 정보(Channel State Information)라고 알려져 있는데, 이는 단순히 연결 강도뿐만 아니라 모든 물결의 구체적인 형태와 타이밍까지 밝혀내는 신호 여정의 상세한 지도입니다. 카메라가 방 안에 누가 있는지를 관찰하는 표준으로 오랫동안 사용되어 왔지만, 카메라는 사생활 침해 문제를 일으키며 값비싼 하드웨어를 필요로 합니다. 연구자들은 이미 우리 삶 속에 존재하는 와이파이 신호가 사진을 찍지 않고도 사람의 수를 세고 움직임을 감지할 수 있는, 조용하고 보이지 않는 관찰자 역할을 할 수 있을지 질문하기 시작했습니다.

한 연구자가 이제 이 아이디어를 작동하는 현실로 만드는 시스템을 구축했습니다. 그는 두 개의 작고 저렴한 컴퓨터 칩을 사용하여 방 안의 와이파이 신호를 듣고, 정확히 몇 명의 사람이 있는지, 무엇을 하고 있는지, 그리고 앉아 있는지, 서 있는지, 혹은 걷고 있는지를 판별하는 프레임워크를 만들었습니다. 설정은 간단합니다. 한 칩은 송신기 역할을 하여 일정한 흐르는 와이파이 패킷을 보내고, 두 번째 칩은 수신기 역할을 하여 도착하는 패킷을 포착합니다. 방이 비어 있을 때 패킷은 예측 가능한 패턴으로 도착합니다. 하지만 사람이 공간에 들어오면, 그들의 신체가 신호를 반사하고 산란시켜 데이터에 독특한 변화의 지문을 만들어냅니다. 연구자는 이러한 변화를 포착하여, 원시 신호의 변동을 컴퓨터가 이해할 수 있는 숫자의 흐름으로 변환했습니다.

이 복잡한 데이터를 이해하기 위해, 연구자는 패턴으로부터 학습하도록 설계된 일종의 인공지능인 특화된 '컴퓨터 두뇌'를 개발했습니다. 그는 단일 방법에 의존하지 않고, 인간이 장면을 분석하는 방식을 모방하기 위해 세 가지 서로 다른 기술을 결합했습니다. 첫째, 시스템은 신호의 공간적 배치를 살펴보고, 사람의 존재에 의해 가장 많이 영향을 받는 와이파이 스펙트럼의 부분이 어디인지 식별했습니다. 다음으로, 시스템은 시간의 흐름에 따른 사건의 순서를 조사하여, 움직임을 이해하기 위해 신호가 한 순간에서 다음 순간으로 어떻게 변하는지 추적했습니다. 마지막으로, 시스템은 데이터의 가장 중요한 부분에 집중하는 법을 배워서, 무선 신호에 흔히 발생하는 배경 소음을 무시했습니다. 이러한 하이브리드 접근 방식 덕분에 컴퓨터는 아무도 없는 방, 한 명이 있는 방, 그리고 최대 5명 또는 그 이상의 인원이 모인 북적이는 방을 구분할 수 있었습니다.

연구자는 통제된 환경에서 수천 개의 신호 샘플을 기록함으로써 자신의 시스템을 테스트했습니다. 그는 방의 실제 상태(ground truth)에 따라 데이터를 라벨링했습니다: 빈 방, 1명, 2명, 최대 5명, 군중, 그리고 앉기, 서기, 걷기와 같은 특정 활동들입니다. 그는 이 데이터를 인공지능 모델에 입력하였고, 모델은 특정 신호 패턴을 이러한 특정 조건들과 연관 짓는 법을 학습했습니다. 결과는 유망했습니다. 시스템은 이 10가지 서로 다른 시나리오를 78.57%의 테스트 정확도로 성공적으로 분류했습니다. 완벽하지는 않지만, 이 성능은 기술이 작동한다는 것을 보여주기에 충분히 강력했습니다. 연구자는 신호의 변화가 매우 유사해 보일 수 있는 특정 조건 때문에, 예를 들어 1명을 5명으로 착각하는 것과 같이 인원수 차이가 적을 때 시스템이 혼동하는 경우가 있다고 언급했습니다. 그러나 존재와 활동을 감지하는 전반적인 능력은 견고했으며, 사람들이 센서에 직접 보이지 않는 상황에서도 작동함을 입증하여, 시야가 가려져도 시스템이 작동한다는 것을 증명했습니다.

이 기술에 생명력을 불어넣기 위해, 연구자는 시스템이 보고 있는 것을 보여주는 실시간 대시보드를 구축했습니다. 이 인터페이스는 실시간 신호 강도, 감지된 인원수, 예측된 활동, 그리고 컴퓨터가 내린 답에 대한 확신도를 보여줍니다. 또한 신호에 영향을 줄 수 있는 온도와 습도 같은 환경 요인도 추적하여, 시스템이 주변 환경을 인식할 수 있도록 합니다. 전체 과정은 실시간으로 진행되며, 시스템은 한 번에 20개의 연속된 프레임 데이터를 처리하여 결정을 내립니다. 이러한 접근 방식은 시스템이 방의 변화에 빠르게 반응하게 하여, 카메라 렌즈 없이도 공간의 점유 상태에 대한 지속적인 정보를 제공합니다.

이 연구의 의의는 전통적인 감시 체계에 대한 사생활 보호 대안을 제공할 수 있는 잠재력에 있습니다. 이 시스템은 기존의 와이파이 인프라에 의존하며 이미지를 포착하거나 영상을 촬영하지 않기 때문에, 개인의 사생활을 침해하지 않으면서 공간을 모니터링할 수 있습니다. 또한 널리 보급된 저비용 하드웨어를 사용하므로 스마트 홈, 노인 대상 헬스케어 모니터링, 그리고 카메라가 적합하지 않은 보안 애플리케이션 등에 접근하기 쉽습니다. 연구자는 이것이 진전된 단계이지만 최종 목적지는 아니라고 인정합니다. 그는 더 다양한 데이터를 수집하고 인공지능 모델을 정교화함으로써 정확도를 높일 계획입니다. 현재로서는, 보이지 않는 와이파이 파동이 실제로 방 안에 누가 있는지를 말해줄 수 있음을 입증함으로써, 효과적이면서도 우리의 사생활을 존중하는 새로운 방식으로 세상을 감지하는 길을 제시했습니다.