AI 使用 WiFi 數據來估計房間內的人數

您可能不知道，WiFi 數據可以用於許多有趣的目的。除了訊號強度、連接速度或安全等級等基本資訊外，WiFi 資料還可以告訴我們有關連接物件的大量信息，例如識別有多少人站在特定存取點附近。在最近發表的一篇研究論文中，題為「DeepCount：透過深度學習使用WiFi 進行人群計數」——大致翻譯為：透過WiFi 數據估計人群中的人數，發佈在Arxiv.org 網站上，科學家們成功開發了一種人工智慧活動識別模型 - DeepCount - 有助於根據無線數據估計房間內的人數。

• 91% 的技術經理認為人工智慧將成為下一次科技革命的核心

這項工作是在多倫多瑞爾森大學的研究人員宣布推出神經網路後不久進行的，該神經網路可以使用WiFi 數據來幫助確定智慧型手機所有者在城市的某些區域周圍是否步行、騎自行車或開車，同時普渡大學進行了另一項研究大學也成功開發了一個系統，利用 WiFi 存取日誌來分析使用者之間的關係、他們的位置和他們的活動。

在這項最新研究中，科學家利用通道狀態資訊（CSI）——特別是相位和幅度——創建了一個由兩個人工智慧模型組成的系統，包括活動識別模型和深度學習模型。深度學習模型的任務是透過將人員的活動映射到 CSI 來評估人員數量和通道之間的相關性，而活動識別模型將負責透過「電子設備」記錄有人進入或離開房間時的信息。轉變」。如果兩個模型捕捉不同的資料（例如，如果活動辨識模型記錄的人數多於深度學習模型），DeepCount 將利用該差異來重新訓練模型深度學習。

• 麥克菲專家解釋了 Deepfake 和人工智慧如何突破網路安全牆

此外，研究人員還編制了來自10 名志願者的800 個CSI 樣本資料集，這些志願者參與了各種不同的任務，包括揮手、打字、坐下、行走、說話和吃飯等活動（每個任務中約佔樣本的80%）。類別用於訓練目的，其餘部分用作測試集）。為了訓練活動識別模型，科學家必須先處理幅度資料以去除雜訊和不需要的元素，然後提取特徵資訊。訓練深度學習模型與預處理階段類似，但除了幅度之外還使用相位資料來執行。

DeepCount 在具有三個接收天線的筆記型電腦上運行，經過修改以報告通道狀態數據，並且它們還連接到路由器和另外兩個發射天線。兩者都在 5GHz 頻段上運行，產生足夠短的波長，以確保更好的分辨率，同時最大限度地減少不需要元素幹擾的可能性。

• 谷歌和 DeepMind 應用人工智慧預測風電場的發電量

在進行的實驗中，該團隊報告稱，該深度學習模型在最多 5 人的情況下實現了高達 86.4% 的準確率。此外，透過對活動辨識模型提供的樣本進行重新訓練，預測情況的準確率高達 90%。

「我們的方法能夠證明人工智慧在房屋內複雜環境變化的背景下透過 WiFi 數據確定人數的準確性是「可接受的」。理論上，如果我們能夠考慮足夠多的室內環境案例，並以它們為模板，在更大範圍內構建魯棒模型，我們完全可以應用這項技術來確定更大範圍內的物體數量和物體， ”科學家說。