Pesquisadores da Syracuse University em Nova York desenvolveram recentemente um sistema que pode detectar a presença de humanos em um determinado ambiente, analisando os sinais de radiofrequência (RF) do ambiente. Este novo sistema, apresentado em um artigo pré-publicado no arXiv, emprega uma rede neural convolucional (CNN) treinada em uma grande quantidade de dados de RF.

"Inicialmente, tentamos detectar drones em um ambiente externo usando sinais de RF passivos por meio de aprendizado profundo, "Biao Chen, um dos pesquisadores que realizou o estudo, disse TechXplore. "O resultado foi irregular, na melhor das hipóteses - funcionou em medições coletadas em determinados dias, mas falharia em outros dias. "

Por algum tempo, Chen e seus colegas tentaram desenvolver um sistema que pudesse detectar a presença de drones em ambientes externos. Contudo, eles logo perceberam que detectar consistentemente drones por meio da análise de sinais passivos de RF era quase impossível, já que eles não tinham controle sobre os ambientes em que se movia. Seu sistema foi projetado para extrair assinaturas de RF induzidas pelos movimentos do drone à medida que altera os canais de propagação, mas também foi afetado pela passagem de carros, pessoas passeando com seus cachorros, e qualquer outra coisa que se mova no ambiente circundante.

"No experimento do drone, nunca fomos capazes de alcançar resultados consistentes, "Chen explicou." O sistema de aprendizagem que desenvolvemos, Contudo, pode ser facilmente adaptado para aplicações internas onde o ambiente é muito mais fácil de controlar e calibrar. Isso nos levou a desenvolver um sistema de detecção de presença baseado em aprendizado profundo usando sinais de ambiente WiFi. "

A presença de humanos em uma sala ou em outros ambientes internos pode alterar a propagação de sinais de RF de várias maneiras. Ao pré-processar as medições do canal de RF, os pesquisadores foram capazes de criar 'imagens' resumindo os sinais, que, por sua vez, poderia ser analisado para detectar a presença de humanos em um determinado ambiente.

Eles então treinaram um CNN em uma grande quantidade de dados contendo informações de magnitude e fase, duas propriedades principais dos sinais de RF. Hora extra, o algoritmo de aprendizado profundo aprendeu a distinguir quando um ambiente é povoado por humanos e quando está livre deles, analisando o que é conhecido como informações de estado do canal (CSI).

"Explorando a onipresença dos sinais de RF ambientais, como WiFi, Bluetooth ou sinais de celular para informações de consciência situacional fornecem valor agregado à infraestrutura de RF existente, "Chen disse." Detecção de ocupação, por exemplo, é uma aplicação em que a detecção de RF pode ser uma alternativa de baixo custo e sem infraestrutura ou um complemento às abordagens existentes. "

Chen e seus colegas avaliaram seu sistema baseado em CNN em uma série de experimentos conduzidos dentro de seu laboratório, usando dispositivos WiFi prontos para uso. Seu sistema foi encontrado para detectar a presença humana de forma confiável em quase todos os casos, superando vários sensores infravermelhos passivos de última geração.

No futuro, o sistema desenvolvido por esta equipe de pesquisadores pode ter uma série de aplicações úteis. Por exemplo, pode ser usado para detectar a presença de humanos em uma área restrita ou privada. Obter dados relacionados à ocupação e presença humana em tempo real também pode ajudar a melhorar a inteligência do edifício e reduzir o consumo de energia (por exemplo, para HVAC e controle de iluminação).

"O aprendizado profundo costuma ser elogiado por ser orientado a dados, "Disse Chen." O outro lado é que a demanda por dados de treinamento (tanto em quantidade quanto em qualidade) pode ser esmagadora. Para que a tecnologia se torne realmente prática, o usuário final não deve ser sobrecarregado com a coleta de dados e treinamento. Assim, nosso trabalho atual e futuro tentará alcançar detecção de presença confiável sem a necessidade de coletar dados de movimento. "

Este é um site criado pelos pesquisadores que monitora a presença humana em seu laboratório 24 horas por dia, 7 dias por semana:demo.wifisensing.com/

© 2020 Science X Network