WLAN-Netzwerke erkennen, wer Sie durch Wände sind jetzt
Wer braucht ein Pieps Loch, wenn ein WLAN-Netzwerk zu tun? Forscher am mit entwickelten Technologie, die drahtlose Signale verwendet, um Ihre Silhouette durch eine Wand zu sehen – und es kann sogar sagen, abgesehen von anderen Menschen auch.
Das Team vom MIT Computer Science and Artificial Intelligence Lab sind keine fremden, mit wireless-Signale um zu sehen, was auf der anderen Seite der Wand geschieht. Im Jahr 2013 zeigte sie Software, die Variationen in WiFi-Signal verwenden könnte, um die Anwesenheit menschlicher Bewegungen von der anderen Seite der Wand. Aber in den letzten zwei Jahren schon damit beschäftigt die Technik zu entwickeln, und jetzt haben sie das offensichtliche enthüllt – wenn etwas alarmierend – natürliche Progression: können sie die Wireless-Reflexionen eines menschlichen Körpers abprallen, um die Silhouette einer Person hinter einer Wand zu sehen.
Nicht nur, dass das Team Technik, die bekannt ist RF-Capture ist genau genug, um die Hand eines Menschen zu verfolgen und mit einigen wiederholten Messungen kann das System sogar ausgebildet werden, unterschiedliche Menschen nur anhand ihrer Wifi-Silhouette zu erkennen. Die Forschung, die auf der SIGGRAPH Asia nächsten Monat vorgestellt werden soll, wurde heute Morgen auf der Research Group-Website veröffentlicht.
Durch Wände sehen
Wie funktioniert es? Es ist eigentlich relativ unkompliziert: ein Gerät sendet Funksignale auf der einen Seite der Mauer, die durch sie zu propagieren und dann auf der anderen Seite von Körper reflektiert werden. Das Gerät fängt dann die Reflexionen, die an Software bereinigt werden weitergegeben werden. Wie zu erwarten, erfordert dieser Teil einige ziemlich schwere Verarbeitung, verschiedene Körperteile, Menschen und Objekte alle Arten von Störungen einführen.
Erstens fängt das Team eine Reihe von Bildern von Daten bevor es nichts tut, um die Auswirkungen von Rauschen zu reduzieren. "Auf einem hohen Niveau wir Unterdrückung des Rauschens durch die Kombination von Informationen über die Zeit hinweg und Anpassung der Daten in ein Modell" erklärte Fadel Adi, einer der Forscher, mir per e-Mail. "Zum Beispiel, wenn Sie sich das Video ansehen, sehen Sie, dass wir mal in Folge Schnappschüsse einzufangen, bevor wir die menschliche Silhouette bauen kann."
Dann nehmen Sie das Team der Daten, die sie es geschafft haben, zu sammeln und führen Sie es durch Algorithmen, die ausgebildet werden, um Körper-ähnliche Funktionen zu erkennen. "Die Algorithmen, die wir entwickelt passen alle diese Momentaufnahmen in einer groben Menschmodell mit wichtigen Körperteilen – wie Kopf, Brust, Arme und Füße," Adi weiter. "Das heißt, wir kombinieren diese Momentaufnahmen in einer Weise, die die Fähigkeit der rekonstruierten Silhouette bei der Darstellung des menschlichen Körpers maximiert."
Da die kleine Menge an Informationen, die in den Reflexionen empfangen wird, das System hält ständigen Überblick was es erkennen können: manchmal es könnte sein, einen Arm und einen Kopf, manchmal ein Torso und ein Bein. Es ist in der Lage diese Einblicke zusammen, die wiederum bilden eine volle menschliche Silhouette Nähte. Und angesichts der Welt setzt sich aus Menschen mit einer Vielzahl von Körper-Typen, dass Daten ein wenig weiter unter die Lupe genommen werden können.
Silhouette Fingerabdrücke
In der Tat nutzt das Team besondere Maßnahmen aus diesen Bildern, wie Höhe, Schulterbreite und andere Körper-Form-Metriken, um verschiedene Menschen, die sich hinter einer Wand versteckt zu identifizieren.
Maschine Lerntechniken verwenden, können die Forscher Algorithmen, um die subtilen Unterschiede in verschiedenen Menschen Körperformen vor Ort trainieren. "[W] e erfassten menschlichen Silhouetten aus unserem Rekonstruktionsalgorithmus [zu] eine Klassifizierung auf diese Silhouetten zu trainieren, die was uns erlaubt, die Unterscheidung zwischen Menschen," erklärt Adi. "Der Sichter fängt Eigenschaften wie Höhe und Körper baut, was uns erlaubt, zwischen Menschen mit RF-Capture zu unterscheiden."
In einer Reihe von Tests haben sie gezeigt, dass die Anerkennung Fähigkeit zwischen 15 verschiedenen Personen durch eine Wand mit fast 90-prozentiger Genauigkeit unterscheiden kann. Und in einer anderen Serie von Experimenten wo das Team einfach die Muster sie erfasst wurden verfolgt, konnten sie die Hand einer Person zu verfolgen, während sie in die Luft geschrieben. "Die Genauigkeit der Verfolgung der beweglichen Hand über einen Zoll", erklärt Adi.
Sicher – und sicher
Das Team freut verständlicherweise über die Anwendungen, die diese Art von Technologie bieten könnte. Sie arbeiten beispielsweise schon um ein Gerät zu entwickeln, die zu Hause Ihre ältere Großeltern, Scannen das Haus für ihre Anwesenheit ständig sitzen konnte; Wenn sie umgefallen haben beobachtet wurden, konnte das System 911 in ihrem Namen rufen.
Das Team legt nahe, dass RF Capture-genauer im Laufe der Zeit zu erhalten. "Wir freuen uns sehr über die zukünftige Forschung an zwei Fronten: Erstens immer feinere Auflösung, die Silhouette mit höherer Genauigkeit, und zweitens zu erholen, wir würden gerne tieferes Verständnis auf der Vorderseite Gesundheit zu bekommen", erklärt Professor Dina Katabi, einer der am Projekt beteiligten Forscher. " Zum Beispiel können wir menschlichen Fingern von hinten eine Wand verfolgen? Wir können RF-Capture [bereits] verwenden, um einer Person, die Atmung und Herzfrequenz... extrahieren können wir erkennen, Herz-Probleme mit dieser drahtlosen Technologie? "Wir glauben, dass die Antwort" Ja "ist."
Wenn sie erreichen, dass die Art der Erkennung, sie schlagen vor, die Technologie erlaubte Ihr smart Home zu spüren, Ihre Bewegung, sagen, sowie zu kontrollieren Videospiele Geräte je nachdem, wie Sie verschieben oder auch on-the-Fly-Gesundheits-Checks durchzuführen.
Gibt es natürlich, ein Elefant im Raum hier, die Sie nicht einmal brauchen RF-Capture zu identifizieren – und das ist Privatsphäre. Das Team besteht zunächst deaktiviert ist, darauf, dass jedes Gerät mit dieser Art von Technologie, z. B. einen Router, der sagen kann, wenn Ihr Angehöriger gefallen ist, aus der Get-Go-Verschlüsselung verwendet. "Wir wollen [auch] um sicherzustellen, dass Menschen nicht für böswillige Zwecke verwenden", fügt Katabi. "Zu diesem Zweck arbeiten wir an zwei Fronten: zuerst, wir entwerfen Blocker, die verhindern können, außer durch ihr eigenes Gerät verfolgt. Und Zweitens brauchen wir Regeln, die bestimmen, wie und wann diese Geräte verwendet werden können. Datenschutz ist immer ein Hauptanliegen."
[MIT Computer Science & künstliche Intellegence Labor]
Alle Bilder und Videos vom MIT Computer Science & künstliche Intellegence Laboratory