Wifi: comment détecter la présence humaine

Sobrón Polancos, Iker

EHUko Bilboko Ingeniaritza Eskolako ikertzailea

Landa Sedano, Iratxe

EHUko Bilboko Ingeniaritza Eskolako irakaslea

À l'ère des communications sans fil, en plus de la connectivité, les systèmes de communication offrent d'autres services. Par exemple, la téléphonie mobile peut donner une position sans GPS. En ce sens, les systèmes Wi-Fi parviennent également à détecter la présence humaine à travers l'intelligence artificielle. Dans cet article, tout d'abord, nous expliquerons comment le signal wifi est affiché lorsque des personnes sont impliquées. Voici un système expert de comptage du nombre de personnes dans une chambre, basé sur le signal wifi, et par rapport à ce système nous montrerons différents champs d'application. Par exemple, prendre soin des personnes âgées.
wifi-radarra-nola-hauteman-gizakiaren-presentzia
Figure . Processus de réflexion et de réfraction : les flèches bleues représentent la réflexion à deux rayons et les flèches jaunes qui traversent la personne, le processus de réfraction.

Le signal wifi : en plus d'être un système de communication, c'est un radar

Actuellement, nous pouvons trouver la connexion wifi n'importe où dans une ville. Dans une communication wifi, les appareils wifi utilisent des ondes électromagnétiques de radiofréquence pour partager des données. Autrement dit, lorsque nous avons téléchargé une vidéo Youtube ou envoyé un e-mail, les ondes de fréquences radio invisibles contenant des informations vont effectuer différents déplacements entre l'appareil électronique (un ordinateur, un mobile, etc.) et l'antenne du routeur de notre environnement. Sur ce chemin d'expansion, les ondes qui s'étendent dans l'air peuvent frapper et traverser des murs, des personnes ou d'autres objets de l'environnement. Les processus d'introduction et de croisement sont appelés réflexions et réfractions. Normalement, chaque processus de réflexion ou de réfraction est représenté par un rayon entre les appareils connectés. De cette façon, nous pouvons appeler la collection de tous les rayons comme canal de communication sans fil. Le canal a une grande importance dans le niveau et la qualité du signal wifi reçu. Par conséquent, si nous observons le signal qui atteint le récepteur Wi-Fi, nous pouvons extraire de grandes informations sur le canal de communication sans fil et donc sur l'environnement [1].

En fait, lorsqu'une personne se déplace entre l'émetteur et le récepteur d'une communication wifi, le niveau du signal wifi peut être modifié. Surtout parce que la présence d'une personne dans la diffusion des ondes radio est un obstacle, ce qui peut provoquer des changements dans le canal de communication sans fil. Autrement dit, chaque nouveau rayon peut produire des changements de puissance dans le signal reçu. Par conséquent, si nous analysons les incidences du niveau de signal reçu, nous pouvons savoir ce qui se passe autour d'un routeur. Entre autres, le nombre de personnes qui se trouvent dans cet environnement.

Quand une pièce est vide, le rayon direct entre l'émetteur et le récepteur sera le principal. Ainsi, le signal normalement reçu sera stable dans le temps. Cependant, lorsque certaines personnes se déplacent dans la salle, les rayons qui façonnent le signal wifi varieront de direction ou d'intensité en fonction du nombre d'obstacles rencontrés. Ainsi, vous pouvez rechercher différentes caractéristiques de signal pour connaître le canal sans fil. Par exemple, niveau de puissance, phase et amplitude du signal, fréquence Doppler, etc. L'analyse de la façon dont ces caractéristiques varient dans le temps nous permet d'évaluer ce qui les a provoquées.

Figure . Trois situations se présentent dans une chambre : une chambre vide, une amie et deux amies. Sur la droite, les niveaux de signal réels que reçoit un récepteur dans chaque état pendant 15 secondes sont affichés. Les images montrent que plus il y a de personnes autour d'une communication wifi, plus les fluctuations apparaissent au niveau du signal reçu.

C'est précisément dans le groupe de recherche TSR Lab que nous étudions comment exploiter les mesures du canal sans fil pour détecter la présence humaine et quantifier le nombre de personnes. Pour ce faire, nous analysons le comportement du canal en utilisant des outils mathématiques. Par exemple, les statistiques, la théorie de l'information, l'analyse des fréquences et l'analyse spectrale sont les outils les plus utilisés. Les résultats obtenus par l'analyse mathématique sont utilisés pour alimenter un système expert qui compte le nombre de personnes.

Intelligence artificielle pour compter le nombre de personnes

Ces dernières années, l'intelligence artificielle est de plus en plus présente dans notre vie. Chaque jour, nous pouvons trouver des exemples tels que les systèmes de reconnaissance vocale, les traducteurs automatiques ou l'envoi de publicités personnalisées aux utilisateurs d'Internet. Un système d'intelligence artificielle est juste un ordinateur basé sur l'observation et le raisonnement, capable de se comporter de façon humaine. Pour ce faire, les systèmes experts résolvent un problème en utilisant des algorithmes mathématiques complexes (réseaux neuronaux, réseaux bayésiens, algorithmes bio-inspirés) et une logique formelle, basée sur une série de paramètres qui mesurent l'environnement. Les systèmes étudient généralement la statistique de l'observation, cherchant la solution la plus susceptible de succès pour affronter un problème [2]. Par exemple, un système expert basé sur les échecs introduit de nombreux jeux d'échecs comme observation. Ainsi, le système, à travers les statistiques, peut trouver le meilleur mouvement et gagner le champion du monde d'échecs.

En se concentrant sur la détection de présence humaine, le système expert proposé par nous est basé sur la capacité de compter des personnes proches de la zone de couverture du système de communication wifi. Dans ce cas, les observations du système sont des signaux électriques collectés dans l'antenne du récepteur, générés par les ondes radio voyageant de l'émetteur au récepteur. Après avoir appris mathématiquement le comportement des signaux, un système expert recueille les informations recueillies et, en utilisant les connaissances acquises, détermine le nombre de personnes qui se trouvent dans un lieu. Le degré de réussite du système dépendra de la capacité d'apprentissage du système expert. Et comment se fait-il que le système apprenne à percevoir les gens ? Pour cela, nous devons préparer le système afin que vous sachiez l'apparence des signaux quand il ya une, deux ou plusieurs personnes dans un endroit.

Figure . Structure du système expert de détection de présence humaine par signal sans fil wifi [2].

Prenons un exemple simple. Supposons qu'un enfant qui ne sait pas compter lui montre plusieurs photos sur lesquelles apparaissent deux ou plusieurs personnes et nous lui apprenons la différence entre deux ou plusieurs personnes. Si nous enseignons une autre photo de deux personnes à l'enfant entraîné, cet enfant va sûrement bien le classer (il y a deux options: sur la photo apparaissent deux personnes ou plus). Nous effectuons une procédure similaire à l'exemple donné avec le système expert, c'est-à-dire que nous vous enseignons quelles sont les principales caractéristiques du signal wifi lorsque dans l'environnement étudié il y a entre zéro et quatre personnes. Avec ce modèle d'apprentissage, le système expert développé réussit à classer 0-4 personnes au milieu, avec une chance moyenne de réussite de 87% et 84%, en utilisant des réseaux neuronaux [3] et des machines de vecteur de support [2] (en anglais, Support-Vector Machine, SVM), respectivement.

Du point de vue de la recherche, l'une des questions les plus importantes est la fiabilité du système. En ce moment, le degré de défaillance est fortement conditionné par la capacité de formation et d'apprentissage du système expert. En définitive, la diversité des environnements que nous pouvons trouver dans notre domaine rend nécessaire d'ajuster le système de perception de la présence humaine à différents environnements. Pour cela, il faut prendre des mesures préalables pour chaque environnement.

Applications du système de détection de présence humaine

Tableau . Matrice de mixage du système expert basée sur des algorithmes SVM [2]. Sur la diagonale de la matrice apparaissent les pourcentages de succès en vert; en dehors de la diagonale apparaissent les pourcentages d'erreurs avec des tons rouges. Les meilleurs résultats seraient atteindre 100% en diagonale et 0% hors de la diagonale.

Comme déjà mentionné, à cette époque, tout le monde peut trouver des connexions wifi dans les villes. Ainsi, le système proposé pourrait être utilisé n'importe où, avec une connexion wifi. De plus, tout système wifi est connecté via Internet. Cela signifie que n'importe qui peut accéder à votre système depuis n'importe où dans le monde et peut donc savoir ce qui se passe dans l'environnement de votre récepteur wifi.

À cet égard, les principales applications sont liées à la surveillance à distance. Par exemple, le contrôle des clients dans les magasins [4], la détection des entrées non autorisées [5] ou le soin des personnes âgées dans les maisons protégées [6]. Cependant, en plus des applications mentionnées, on pourrait développer un système expert basé sur les signaux wifi pour d'autres types de monitorages, comme l'identification des émotions (tristesse, joie, colère) ou le suivi de la respiration et des battements cardiaques [7][8].

Bibliographie Bibliographie

[1] S. D. Domenico, M. D. Sanctis, E. Cianca, F. Giuliano and G. Bianchi, « Exploring Training Options for RF Sensing Using CSI », dans IEEE Communications Magazine, vol. 56, non. 5, pp. 116-123, mai 2018.
[2] I. Sobrón, J. De l'Être, I. Eizmendi and M. Vélez, “Device-Free People Counting in IoT Environments: New Insights, Results and Open Challenges,” dans IEEE Internet of Things Journal, Volume 64, Issue 6, December 2018, pp. 4396-4408.
[3] I. Sobrón, J. del Ser, I. Eizmendi and M. Velez, “A Deep Learning Approach to Device-Free People Counting from WiFi Signals” in 12th International Symposium on Intelligent Distributed Computing (IDC 2018), Bilbao (Spain), October 2018.
[4] C. Wu, Z. Yang, Z. Zhou, X. Liu, Y. Liu, and J. Cao, “Non-invasive detection of moving and stationary human with WiFi,” dans IEEE Journal on Selected Areas in Communications, vol. 33, non. 11, pp. 2329–2342, Nov 2015.
[5] S. D. Domenico, M. D. Sanctis, E. Cianca and M. Ruggieri, «WiFi-based through-the-wall presence detection of stationary and moving humans analyzing the doppler spectrum,» dans IEEE Aerospace and Electronic Systems Magazine, vol. 33, non. 5-6, pp. 14-19, mai-juin 2018.
[6] S. Savazzi, S. Sigg, M. Nicolas, V. • Kianoush and U. Spagnolini, “Device-Free Radio Vision for Assisted Living: Leveraging wireless channel quality information for human sensing,” dans IEEE Signal Processing Magazine, vol. 33, non. 2, pp. 45-58, March 2016.
[7] Z. Wang, B. Guo, Z. Yu and X. Zhou, “Wi-Fi CSI-Based Behavior Recognition: From Signals and Actions to Activities,” dans IEEE Communications Magazine, vol. 56, non. 5, pp. 109-115, Mai 2018.
[8] X. Wang, C. Yang and S. Mao, “Transfert Beat: Exploiting CSI Phase Data for Vital Sign Monitoring with Commodity WiFi Devices,” en 2017 IEEE 37th International Conference on Distributed Computing Systems (ICDCS), Atlanta, GA, 2017, pp. 1230-1239.
Babesleak
Eusko Jaurlaritzako Industria, Merkataritza eta Turismo Saila