Installer des caméras dans un lieu privé peut poser des problèmes de respect de la vie privée. Une équipe de chercheurs de l’Université Carnegie Mellon a trouvé le moyen de contourner ce problème : elle a développé un réseau neuronal profond qui cartographie la phase et amplitude des signaux WiFi reçus et envoyés par les routeurs, ce qui permet de détecter une présence humaine et les mouvements de celle-ci quand bien même elle se trouve derrière un mur.
Jiaqi Geng, Dong Huang et Fernando de la Torre sont les chercheurs de cette étude publiée sur arXiv intitulée DensePose from WiFi. Ils ont en effet utilisé DensePose, un système permettant de cartographier tous les pixels à la surface d’un corps humain sur une photo, développé par Rıza Alp Güler de l’Imperial College de Londres, Natalia Neverova, Recherche sur l’IA sur Facebook et Iasonas Kokkinos, University College London.
En 2015, des chercheurs du laboratoire d’IA du MIT avaient eux-aussi utilisé le WiFi pour détecter des personnes dans une autre pièce : RF-Capture, leur dispositif transmet des signaux reconstitués en forme humaine par un algorithme. D’autres chercheurs du même établissement avaient auparavant utilisé le wifi intégré au téléphone pour voir le nombre de personnes derrière les murs, leurs gestes et l’endroit précis où elles se trouvent.
DensePose depuis le WiFi
Les progrès des techniques de la vision par ordinateur et du ML ont permis un développement significatif de l’estimation de la position des humains en 2D et en 3D à partir de caméras RVB (Rouge, Vert, Bleu), de lidars (télédétection par laser) et de radars. Mais pour les chercheurs, l’estimation de la pose humaine à partir d’images des caméras RVB est affectée par l’occlusion et l’éclairage, les lidars et les radars sont très coûteux, hors de portée d’un ménage moyen ou d’une petite entreprise.
Utiliser le WiFi est pour eux une bonne alternative pour estimer la pose humaine, les routeurs peu chers et les humains interfèrent avec les ondes WiFi. Les ondes, contrairement aux caméras, ne présentent aucun angle mort, et grâce à ces interférences, elles permettent de voir une personne cachée derrière un meuble. Leur modèle peut estimer la pose dense de plusieurs sujets, avec des performances comparables aux approches basées sur l’image, en utilisant les signaux WiFi comme seule entrée.
Ils ont donc utilisé DensePose et ont développé un réseau neuronal profond qui cartographie la phase et amplitude des signaux WiFi aux coordonnées UV dans 24 régions humaines. Le modèle différencie les humains des meubles se trouvant dans la pièce qu’il détecte également.
Détection des humains par WiFi et vie privée
Pour les chercheurs, leur modèle pourrait permettre aux personnes âgées de continuer à vivre chez elles en sécurité, protéger la vie privée ou « identifier les comportements suspects à la maison ».
On peut également imaginer la situation contraire, des gens malintentionnés pour vérifier qu’un local est vide ou une surveillance de notre vie privée…
Sources : « DensePose From WiFi », arXiv:2301.00250
Auteurs : Jiaqi Geng, Dong Huang, Fernando De la Torre
Carnegie Mellon University
