长期以来，用X射线穿透墙壁看到对面的人，似乎都是一种遥不可及的科幻幻想，但在过去的十年中，麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）的Dina KatABI教授领导的研究小组让我们不断接近这种“透过墙壁看人”的场景。
他们的最新项目――“RF-Pose”――使用人工智能（AI）教导无线设备感知人们的姿势和动作，即使隔着墙壁也能看到并重现人们的动作姿势。 研究人员使用神经网络来分析从人体反弹的无线电信号，然后创建一个动态火柴人图，可以随着人类的动作而同步执行走路、停止、坐下和移动四肢等动作。
该团队表示，该系统可用于监测帕金森病和多发性硬化症（MS）等疾病，从而提供对病情发展的更好理解，让医生能根据情况调整用药。它还可以帮助老年人更独立地生活，同时为跌倒、受伤和活动模式变化提供更多的安全保障。这种方法的关键优势是患者不必佩戴传感器，也不需要总是给自己的设备充电。
除了医疗保健外，该团队还表示RF-Pose还可用于新型视频游戏，其中玩家可在房间周围移动。当然也可以用于搜救任务，以帮助搜救人员快速找到幸存者。就像手机和Wi-Fi路由器已成为当今家庭的重要组成部分一样，这样的无线技术能够为未来的家庭提供动力。
目前研究人员面临的挑战主要是大多数神经网络都是通过手工标记数据的方式进行。比如训练一套可以识别猫的神经网络系统需要查看大量的图片，并且为每张图片标记“是猫”或者“不是猫”。但无线电信号却无法轻易的被人类标记。
为了解决这个问题，研究人员利用无线设备与照相机收集了一些例子，包括成千上万张照片，并且照片中的人在进行不同的活动，比如走路、说话、坐立、开门、等电梯等。然后，他们使用这些图像提取人形图像，并将其显示给神经网以及对应的无线电信号。这种互相结合的例子使RF-Pose系统可以更好的了解无线电信号与所识别目标之间的联系。 训练结束后，RF-Pose可以在没有摄像机的情况下预估目标人物的姿势和动作，并且只接收从人体反射回来的无线电信号。
由于摄像头无法穿透墙壁，所以神经网络不会对没有墙壁的数据进行训练。让研究团队感到非常意外的是，该神经网络可以自主学习，并且识别整个墙面背后的动作。除了感知移动之外，研究团队还表示该系统利用无线信号的识别特定人员的准确率达到了83％。这种能力对于搜救行动非常有用，可以帮助搜救人员了解特定人群的身份。
目前该模型只能输出2D的人形图，团队正在努力希望未来可以输出能够更准确的反映细小动作的3D人形图。例如，可以检测老年人的手臂是否经常摇晃，从而判断是否需要进行进一步的检查。通过视觉数据和人工智能的结合，我们可以更好的理解周围的环境，让生活变得更安全、更有效率。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
