💻 computer science

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

Este artigo apresenta uma estrutura de baixo custo, preservação de privacidade e impulsionada por IA que utiliza a Informação de Estado de Canal (CSI) de Wi-Fi capturada por dispositivos ESP32 e processada através de um modelo híbrido CNN-BiLSTM-Attention para alcançar detecção de presença humana, contagem de pessoas e classificação de atividades em tempo real, sem contato, com 78,57% de precisão.

Autores originais: Samarth Gayake

Publicado 2026-10-06

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Samarth Gayake

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Nos cantos silenciosos de nossas casas e escritórios, ondas invisíveis de Wi-Fi estão constantemente ricocheteando em paredes, móveis e no próprio ar. Essas ondas carregam nossos e-mails e vídeos, mas também carregam uma história oculta sobre o espaço pelo qual viajam. Quando uma pessoa se move por uma sala, seu corpo perturba sutilmente essas ondas, alterando a forma como elas chegam a um receptor. Essa perturbação é conhecida como Informação de Estado de Canal (Channel State Information), um mapa detalhado da jornada do sinal que revela não apenas a força da conexão, mas a forma e o tempo específicos de cada ondulação. Embora as câmeras tenham sido, por muito tempo, o padrão para observar quem está em uma sala, elas levantam preocupações sobre privacidade e exigem hardware caro. Pesquisadores começaram a questionar se os sinais de Wi-Fi já presentes em nossas vidas poderiam servir como um observador silencioso e invisível, capaz de contar pessoas e detectar movimento sem nunca tirar uma foto.

Um pesquisador construiu agora um sistema que transforma essa ideia em uma realidade funcional. Ele criou uma estrutura que utiliza dois pequenos e baratos chips de computador para ouvir os sinais de Wi-Fi em uma sala e determinar exatamente quantas pessoas estão presentes, o que estão fazendo e se estão sentadas, de pé ou caminhando. A configuração é simples: um chip atua como transmissor, enviando um fluxo constante de pacotes de Wi-Fi, enquanto um segundo chip atua como receptor, captando esses pacotes conforme eles chegam. Quando a sala está vazia, os pacotes chegam em um padrão previsível. Mas quando uma pessoa entra no espaço, seu corpo reflete e espalha os sinais, criando uma impressão digital única de mudança nos dados. O pesquisador capturou essas mudanças, convertendo as variações brutas do sinal em um fluxo de números que um computador pudesse entender.

Para dar sentido a esses dados complexos, o pesquisador desenvolveu um cérebro de computador especializado, um tipo de inteligência artificial projetada para aprender com padrões. Ele não dependeu de um único método, mas combinou três técnicas diferentes para imitar como um humano poderia analisar uma cena. Primeiro, o sistema observou a disposição espacial do sinal, identificando quais partes do espectro de Wi-Fi foram mais afetadas pela presença de uma pessoa. Em seguida, examinou a sequência de eventos ao longo do tempo, rastreando como o sinal mudava de um momento para o outro para entender o movimento. Finalmente, o sistema aprendeu a focar sua atenção nas partes mais importantes dos dados, ignorando o ruído de fundo que frequentemente assola os sinais sem fio. Essa abordagem híbrida permitiu que o computador distinguisse entre uma sala sem ninguém, uma sala com uma pessoa e uma sala cheia com até cinco pessoas ou até mesmo um grupo maior.

O pesquisador testou seu sistema registrando milhares de amostras de sinal em um ambiente controlado. Ele rotulou os dados de acordo com a verdade fundamental da sala: vazia, uma pessoa, duas pessoas, até cinco pessoas, uma multidão e atividades específicas como sentar, estar de pé ou caminhar. Ele alimentou seu modelo de inteligência artificial com esses dados, que aprendeu a associar padrões de sinal específicos com essas condições específicas. Os resultados foram promisivos. O sistema classificou com sucesso esses dez cenários diferentes com uma precisão de teste de 78,57 por cento. Embora não seja perfeito, o desempenho foi forte o suficiente para demonstrar que a tecnologia funciona. O pesquisador observou que o sistema às vezes confundia o número de pessoas quando a diferença era pequena, como confundir uma pessoa com cinco, provavelmente porque as mudanças de sinal nessas condições específicas podem parecer bastante semelhantes. No entanto, a capacidade geral de detectar presença e atividade foi robusta, mesmo quando as pessoas não estavam diretamente visíveis para os sensores, provando que o sistema funciona mesmo quando a linha de visão está bloqueada.

Para dar vida a esta tecnologia, o pesquisador construiu um painel de controle em tempo real que exibe o que o sistema está vendo. Esta interface mostra a força do sinal ao vivo, o número de pessoas detectadas, a atividade prevista e a confiança que o computador tem em sua resposta. Também rastreia fatores ambientais como temperatura e umidade, que podem influenciar os sinais, garantindo que o sistema permaneça ciente de seus arredores. Todo o processo acontece em tempo real, com o sistema processando vinte quadros consecutivos de dados de uma só vez para tomar uma decisão. Essa abordagem permite que o sistema reaja rapidamente às mudanças na sala, fornecendo um fluxo contínuo de informações sobre ocupação sem nunca precisar de uma lente de câmera.

A significância deste trabalho reside em seu potencial para oferecer uma alternativa que preserve a privacidade em relação à vigilância tradicional. Como o sistema depende da infraestrutura de Wi-Fi existente e não captura imagens ou vídeos, ele pode monitorar espaços sem invadir a privacidade pessoal. Ele utiliza hardware de baixo custo que está amplamente disponível, tornando-o acessível para casas inteligentes, monitoramento de saúde para idosos e aplicações de segurança onde câmeras não são adequadas. O pesquisador reconhece que este é um passo à frente, mas não o destino final. Ele planeja melhorar a precisão coletando dados mais diversos e refinando o modelo de inteligência artificial. Por enquanto, ele demonstrou que as ondas invisíveis de Wi-Fi podem, de fato, nos dizer quem está na sala, oferecendo uma nova maneira de sentir nosso mundo que é ao mesmo tempo eficaz e respeitosa com nossa privacidade.

Resumo Técnico: Um Framework Baseado em IA para CHPD em Tempo Real Usando Wi-Fi CSI

Definição do Problema
Os sistemas convencionais de Detecção de Presença Humana (HPD), que dependem de câmeras ou dispositivos vestíveis, enfrentam limitações significativas, incluindo altos custos de implementação, preocupações com a privacidade, dependência da participação do usuário e sensibilidade à iluminação e oclusão. Embora o Informação de Estado de Canal (CSI) de Wi-Fi ofereça uma alternativa promissora, preservadora da privacidade e não invasiva ao detectar a presença humana por meio de perturbações de sinal (reflexão, difração, espalhamento), as abordagens existentes lutam contra o ruído ambiental, o desvanecimento multicaminho (multipath fading) e imperfeições de hardware. Métodos tradicionais de aprendizado de máquina frequentemente falham em modelar efetivamente as características espaciais e temporais complexas dos dados de CSI, particularmente sob condições de Não-Linha de Visada (NLoS), levando a uma redução na robustez.

Metodologia
O artigo propõe um framework de aprendizado profundo híbrido projetado para detecção e contagem de presença humana sem contato e em tempo real. A arquitetura do sistema consiste em três estágios primários:

Hardware e Aquisição de Dados:
- O sistema utiliza dois microcontroladores ESP32 de baixo custo. Um atua como um transmissor enviando pacotes Wi-Fi via protocolo ESP-NOW, enquanto o segundo atua como um receptor capturando métricas de sinal brutas.
- O receptor extrai o Indicador de Força de Sinal Recebido (RSSI), amplitude de CSI e dados de fase.
- Os dados são transmitidos para um PC via conexão serial UART (921.600 baud) e registrados usando uma ferramenta Python personalizada.
- O conjunto de dados é estruturado em 20 quadros (frames) de CSI consecutivos por amostra, com cada quadro contendo 384 características de CSI, resultando em uma dimensão de entrada de $20 \times 384$ .
Pré-processamento de Dados:
- Os dados brutos passam por uma limpeza rigorosa, incluindo parsing de pacotes, validação, remoção de ruído, tratamento de outliers, imputação de pacotes ausentes e normalização.
- Os dados são rotulados com base em condições de verdade fundamental (ground truth): Vazio (0 pessoas), 1–5 Pessoas, Multidão, Sentado, Em pé e Caminhando.
Arquitetura de Deep Learning:
- É empregado um modelo híbrido combinando Redes Neurais Convolucionais (CNN), Long Short-Term Memory Bidirecional (BiLSTM) e um Mecanismo de Atenção.
- CNN: Extrai padrões espaciais através das subportadoras de Wi-Fi.
- BiLSTM: Captura dependências temporais e padrões sequenciais dentro das sequências de 20 quadros para rastrear o movimento ao longo do tempo.
- Mecanismo de Atenção: Pesa dinamicamente as características mais informativas, aumentando a robustez contra o ruído ambiental.
- O modelo gera uma saída de classificação em dez classes alvo usando uma função Softmax.
Monitoramento em Tempo Real:
- Um dashboard baseado em Streamlit visualiza a saída do sistema, exibindo contagem de pessoas, atividade prevista, pontuações de confiança, RSSI, estatísticas de pacotes e condições ambientais (temperatura, umidade).

Principais Contribuições

Arquitetura Híbrida: O desenvolvimento de um modelo CNN–BiLSTM–Attention especificamente adaptado para extrair características tanto espaciais quanto temporais de dados de Wi-Fi CSI para detecção humana.
Implementação de Baixo Custo: O uso de dispositivos ESP32 prontos para o consumo para estabelecer um link de sensoriamento CSI funcional, evitando a necessidade de hardware especializado.
Classificação Abrangente: O sistema aborda um problema de múltiplas classes, distinguindo entre níveis específicos de ocupação (0–5 pessoas), densidade de multidão e atividades específicas (sentado, em pé, caminhando) sob condições de Linha de Visada (LoS) e Não-Linha de Visada (NLoS).
Visualização em Tempo Real: Integração de um dashboard ao vivo que fornece feedback imediato sobre o desempenho do sistema e contexto ambiental.

Resultos
A avaliação experimental do framework rendeu os seguintes métricas de desempenho:

Acurácia: O modelo alcançou uma acurácia de teste de 78,57%.
Dinâmica de Treinamento: Ao longo de 60 épocas, a acurácia de treinamento atingiu aproximadamente 93%, enquanto a acurácia de validação estabilizou em cerca de 82%. O autor observa uma tendência moderada ao overfitting nas épocas finais, indicada pelo alargamento da lacuna entre as métricas de treinamento e validação.
Desempenho de Classificação: A matriz de confusão indica altas taxas de classificação correta ao longo da diagonal. No entanto, foi observada alguma classificação errônea entre as classes "1_Pessoa" e "5_Pessoas", sugerindo características de CSI sobrepostas sob certas condições ambientais.
Métricas: O desempenho foi validado adicionalmente usando precisão, recall e F1-scores, confirmando a capacidade do modelo de generalizar apesar do overfitting observado.

Significância e Alegações
O artigo alega que o framework proposto fornece uma alternativa de baixo custo, sem contato e preservadora da privacidade aos sistemas de monitoramento humano baseados em visão ou vestíveis. Ao alavancar a infraestrutura de Wi-Fi existente e aprendizado profundo avançado, o sistema demonstra a viabilidade de usar o CSI de Wi-Fi para estimativa de ocupação em tempo real e reconhecimento de atividades em ambientes internos inteligentes. O autor posiciona este trabalho como um passo em direção a ambientes inteligentes escaláveis de próxima geração que não comprometem a privacidade do usuário.

O artigo conclui modestamente, reconhecendo que trabalhos futuros focarão em melhorar a acurácia da classificação através de conjuntos de dados maiores e mais diversos, otimizando a arquitetura de deep learning e avaliando o framework em variadas condições de implantação interna.

Mais como este