AI は WiFi データを使用して部屋内の人数を推​​定します

ご存知ないかもしれませんが、WiFi データは多くの興味深い目的に使用できます。WiFi データは、信号強度、接続速度、セキュリティ レベルなどの基本情報に加えて、接続されているオブジェクトに関する多くの情報も伝えることができます。たとえば、特定のアクセス ポイントの近くに何人が立っているかを確認する場合などです。 。最近発表された研究論文「DeepCount: 深層学習による WiFi を使用した群衆カウント」 - 大まかに訳すと、Web サイト Arxiv.org に掲載された、WiFi データを通じて群衆の人数を推​​定するというタイトルで、科学者たちは AI アクティビティの開発に成功しました。認識モデル - DeepCount - ワイヤレス データから室内の人数を推​​定するのに役立ちます。

• テクノロジー管理者の 91% は、AI が次のテクノロジー革命の中心になると信じています

この研究は、トロントのライヤーソン大学の研究者が、WiFi データを使用して市内の特定のエリアでスマートフォンの所有者が歩いているのか、自転車に乗っているのか、車を運転しているのかを判断するのに役立つニューラル ネットワークを発表してから間もなく行われ、同時にパーデュー大学による別の研究も発表されました。同大学は、WiFiのアクセスログを利用して、ユーザー間の関係性、位置、行動を分析するシステムの開発にも成功した。

この最新の研究では、科学者はチャネル状態情報 (CSI)、特に位相と振幅を利用して、アクティビティ認識モデルと深層学習モデルを含む 2 つの人工知能モデルのシステムを作成しました。深層学習モデルは、人々の活動を CSI にマッピングすることで、人数とチャネルの相関関係を評価する役割を果たします。一方、活動認識モデルは、誰かが「電子機器」を介して部屋に出入りしたときの情報を記録する責任を負います。スイッチ"。2 つのモデルが異なるデータをキャプチャする場合、たとえば、アクティビティ認識モデルがディープ ラーニング モデルよりも多くの人数を記録する場合、DeepCount はその差を使用してモデルのディープ ラーニングを再トレーニングします。

• マカフィーの専門家がディープフェイクと AI がサイバーセキュリティの壁をどのように突破しているかを説明する

さらに、研究者らは、手を振る、タイピングする、座る、歩く、話す、食べるなどのさまざまな作業に参加する 10 人のボランティアから得た 800 個の CSI サンプルのデータセットも編集しました (それぞれのサンプルの約 80%)クラスはトレーニング目的に使用され、残りはテスト セットとして使用されました)。アクティビティ認識モデルをトレーニングするには、科学者はまず振幅データを処理してノイズや不要な要素を除去し、次に特徴情報を抽出する必要があります。深層学習モデルのトレーニングは前処理段階と似ていますが、振幅に加えて位相データを使用して実行されます。

DeepCount は、チャネル ステータス データを報告するように変更された 3 つの受信アンテナを備えたラップトップで実行され、ルーターと他の 2 つの送信アンテナにも接続されています。どちらも 5 GHz の周波数帯域で動作し、より良い分解能を確保するのに十分な短い波長を作成すると同時に、不要な要素からの干渉の可能性を最小限に抑えます。

• Google と DeepMind が AI を適用して風力発電所の出力を予測

実行された実験では、この深層学習モデルが最大 5 人で最大 86.4% の精度を達成したとチームは報告しました。さらに、アクティビティ認識モデルによって提供されるサンプルの再トレーニングにより、予測状況において最大 90% の精度を達成しました。

「私たちのアプローチは、家の中の複雑な環境変化に関連して、WiFi データを通じて人数を決定する際の AI の「許容可能な」精度を実証することができました。理論的には、屋内環境の十分なケースを考慮し、それらをテンプレートとして使用して、より大規模な堅牢なモデルを構築できれば、このテクノロジーをより広い範囲の物体や物体の数を決定するのに完全に適用できます。 」と科学者たちは言いました。