大家好，今天给大家分享无线网络摄像头，一起来看看吧。
为了解决这些问题，团队便想到了现在几乎家家必备的WiFi，所要用到的设备为两个路由器，其核心原理也并不难——WiFi信号在遇到人体运动时会改变其传播路径，进而使得接收器收到的信号的相关数据产生不同程度的变化，通过分析这些变化的具体参数，就能实现人体感知。
不过，这种方式只能定位物体的中心，如果存在手机、微波炉等电磁干扰，定位精度也会下降。因此，研究团队构建了一种神经网络架构，可以通过WiFi中进行关键点较为密集的人体姿态估计。具体分为三步：
进行振幅和相位的“消毒”（Sanitization）操作，对原始WiFi信号中的关键数据进行清理；
将上述清理过的数据通过双分支的解码器-编码器网络转换为2D特征图；
将2D特征图通过改良后的DensePose-RCNN架构（一种人体姿态估计模型）转换为3D人体模型。
在最终生成模型的效果上，基于拍摄图像生成的三维人体模型与基于WiFi生成的模型相比，性能基本一致。
左：基于图像生成 右：基于WiFi生成
同时，通过对实验结果的数据分析，研究团队还发现，在基于拍摄图像生成的三维人体模型中，由于离摄像机较远的个体在图像中占据的空间较小，也导致了这些主体的信息较少，但在基于WiFi信号生成的结果中，由于WiFi信号包含了整个场景中的所有信息，所以不管主体的位置如何，最终生成的模型数据信息量都相差不大。
AP-m和AP-l两值差异较小，说明结果信息差异也较小。
当然，研究团队也承认，目前基于图像进行人体姿态估计的精度普遍比基于WiFi的方法要更高，他们所提出的新方法虽然在估计人体躯干的姿势方面表现良好，但在检测四肢等细节方面仍然存在困难。
AP指平均精确度，越高越好。
此次论文的一作二作皆为华人，在论文最后，研究者们表示，他们希望未来能收集更多数据拓展工作，使得WiFi设备能成为继RGB相机、激光雷达之后的另一更廉价、更能保护隐私的人体传感器。
编译：南都记者杨博雯
以上就是无线网络摄像头的内容分享，希望对大家有用。
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权发表，未经许可，不得转载。
