[摘要]研究人員使用神經網絡來分析從人類目標身體上反射回來的無線電信號，然后創建出動態的抽象人形圖。當目標執行行走、停止、坐立或擺動四肢等動作時，這些人形圖就會跟著做出相應的變化。
【騰訊科技編者按】一直以來，用X射線穿透墻壁看到對面的人，似乎都是科幻小說中天馬行空的想象。但在過去的十年間，來自于麻省理工學院計算機科學與人工智能實驗室（CSAIL）迪納-卡塔比（Dina Katabi）教授的研究小組最新的研究成果，讓我們不斷接近這種“透過墻壁看人”的場景。
這個小組的研究項目名叫“RF-Pose”，能通過人工智能（AI）技術來訓練無線設備感知人們的姿勢與動作，甚至是在墻壁的另一側都可以識別。
研究人員使用神經網絡來分析從人類目標身體上反射回來的無線電信號，然后創建出動態的抽象人形圖。當目標執行行走、停止、坐立或擺動四肢等動作時，這些人形圖就會跟著做出相應的變化。
該研究小組表示，RF-Pose項目可以用來檢測帕金森癥、多發性硬化癥（MS）以及肌肉萎縮癥等，從而幫助病人更好的了解病情進展，讓醫生相應的調整藥物治療。它還可以幫助老年人更獨立的生活，監測跌倒、受傷和活動模式的變化，提供額外的監測效果。該團隊目前正在與醫生合作，探索RF-Pose在醫療保健領域的應用。
該團隊收集的所有數據都經過了受試者的同意，同時經過了匿名化和加密處理，保護用戶的隱私。對于未來的實際運用，團隊計劃創建一個“同意機制”。在這個機制中，安裝設備的人被要求進行一組特定的動作，以便開啟整個監測過程。
“我們已經看到，被監測者的行走速度和自主活動能力，都為醫療保健服務者提供了一種以前從未有過的方式，這對各種疾病的治療和恢復也具有積極的意義。”卡塔比表示，他已經撰寫了一篇關于這套系統的論文。“我們這種方法最關鍵的優勢是病人不需要佩戴傳感器，也不需要總是給自己的設備充電。”
除了醫療保健范疇，該團隊還表示RF-Pose系統還可以被用于開發新型視頻游戲項目。玩家可以在家中模擬游戲中的動作，甚至還可以在搜救任務中尋找幸存者。
目前研究人員面臨的挑戰主要是大多數神經網絡都是通過手工標記數據的方式進行。比如訓練一套可以識別貓的神經網絡系統需要查看大量的圖片，并且為每張圖片標記“是貓”或者“不是貓”。但無線電信號卻無法輕易的被人類標記。
為了解決這個問題，研究人員利用無線設備與照相機收集了一些例子，包括成千上萬張照片，并且照片中的人在進行不同的活動，比如走路、說話、坐立、開門、等電梯等。
然后，團隊利用這些圖像提取人形圖像，并將其顯示給神經網絡和對應的無線電信號。這種互相結合的例子使RF-Pose系統可以更好的了解無線電信號與所識別目標之間的聯系。
在完成訓練后，RF-Pose可以在沒有攝像機的情況下預估目標人物的姿勢和動作，并且只接收從人體反射回來的無線電信號。
由于攝像頭無法穿透墻壁，所以神經網絡不會對沒有墻壁的數據進行訓練。讓研究團隊感到非常意外的是，該神經網絡可以自主學習，并且識別整個墻面背后的動作。
“如果你將計算機視覺系統看成是一位老師，那么這就是個非常好的例子證明學生比老師表現得更好。”研究團隊表示。
除了感知運動，研究團隊還表示該系統利用無線信號的準確識準確率達到了83%。這種能力在搜救場景下非常有用，可以幫助搜救人員了解特定人群的身份。
目前該模型只能輸出2D的人形圖，團隊正在努力希望未來可以輸出3D人形圖，能夠更準確的反映細小的動作。比如通過3D人形圖可以檢測老年人的手臂是否經常搖晃，從而判斷是否需要進行進一步的檢查。
“通過視覺數據和人工智能的結合，我們可以更好的理解周圍的環境，讓生活變得更安全、更有效率。”研究團隊表示。（編譯/音希）
