Хотите дальше читать devby? 📝
Support us

Человека за стеной идентифицировали с помощью Wi-Fi и старой видеозаписи

Оставить комментарий
Человека за стеной идентифицировали с помощью Wi-Fi и старой видеозаписи

Исследователи Калифорнийского университета в Санта-Барбаре разработали метод идентификации человека, находящегося за каким-либо препятствием, с помощью любой видеозаписи этого человека и сигнала Wi-Fi. По сообщению университета, средняя точность метода составляет 84 процента, пишет ITC.

Метод получил название XModal-ID. В нём используются разнесённые друг от друга на небольшое расстояние передатчик и приёмник Wi-Fi-сигнала и видеозаписи движений искомого человека, полученной когда-либо раньше. На основе видео составляется трёхмерная модель человека, которая затем используется для моделирования изменений параметров отраженного от него Wi-Fi-сигнала и составления эталонного графика таких изменений.

После получения эталона становится возможным идентифицировать конкретного человека за стеной. С помощью передатчика Wi-Fi сигнал посылается за стену и после отражения фиксируется приёмником. График изменений отраженного сигнала сопоставляется с эталонным графиком, после чего нейросеть, которую исследователи обучили на собственном датасете, определяет совпадение.

Схема работысистемы XModal-ID 

Схема работысистемы XModal-ID 

Метод XModal-ID проверили на 8 добровольцах. Его точность различалась в зависимости от сложности пути, проходимого человеком, но всегда была выше 80%. Одним из главным преимуществ метода является то, что его не нужно каждый раз адаптировать под нового человека (нейросеть сравнивает данные без каких-либо привязок), новое помещение или местность. Из минусов — система требует, чтобы искомый человек находился в движении, а не, например, притаился за стеной.

Как полагают исследователи, новый метод может помочь полиции узнавать перед штурмом помещения, находится ли там подозреваемый, прежде попавший на камеры наблюдения. Также технология может найти применение в системах умных домов, упростив им обнаружение нескольких основных пользователей и незнакомцев.

Помогаете devby = помогаете ИТ-комьюнити.

Засапортить сейчас.

Читайте также
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
Пока 20% топ-менеджеров утверждают, что машинное обучение является существенной частью их бизнеса, неудивительно, что стоимость мирового рынка машинного обучения, по некоторым оценкам, достигнет $117 млрд к концу 2027 года. Мы перевели материал Udacity о семи самых обсуждаемых тенденциях в машинном обучении в 2022 году.
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много
Bubble
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.