从 WiFi 信号估计 DensePose
计算机视觉与模式识别
2023-01-03 v1
摘要
计算机视觉与机器学习技术的进展推动了基于 RGB 相机、LiDAR 与雷达的 2D 和 3D 人体姿态估计的显著发展。然而，基于图像的人体姿态估计易受遮挡与光照影响，而这些在诸多关注场景中十分常见。另一方面，雷达与 LiDAR 技术需要昂贵且高功耗的专用硬件。此外，在非公共区域布置这些传感器会引发显著的隐私担忧。为应对这些局限，近期研究探索了利用 WiFi 天线（一维传感器）进行身体分割与关键点身体检测。本文进一步拓展 WiFi 信号与计算机视觉中常用深度学习架构的结合，以估计稠密人体姿态对应。我们开发了深度神经网络，将 WiFi 信号的相位与幅度映射到 24 个人体区域内的 UV 坐标。研究结果表明，我们的模型仅以 WiFi 信号为唯一输入，即可估计多人的稠密姿态，性能可与基于图像的方法相媲美。这为低成本、广泛可及且保护隐私的人体感知算法铺平了道路。
引用
@article{arxiv.2301.00250,
title = {DensePose From WiFi},
author = {Jiaqi Geng and Dong Huang and Fernando De la Torre},
journal= {arXiv preprint arXiv:2301.00250},
year = {2023}
}
备注
13 pages, 10 figures