Les personnes qui recherchent WiFi DensePose veulent souvent savoir si des signaux sans fil peuvent révéler la posture d'une personne sans enregistrer de vidéo. La réponse prudente est oui, comme possibilité de recherche : le CSI contient une structure d'amplitude, de phase, de temps et de sous-porteuses qui varie avec la position du corps. Transformer ces variations en représentation de posture fiable est beaucoup plus difficile que d'afficher une simple trace de mouvement.
Ce guide sépare quatre niveaux souvent confondus : l'idée de recherche DensePose, la capture CSI, l'interprétation par modèle et le flux de travail de type RuView. Le but est de choisir la bonne prochaine étape, de ne pas prendre une démo pour une vérité terrain et de construire une validation capable de révéler les faux positifs avant toute affirmation forte.
Que signifie WiFi DensePose ?
DensePose est généralement associé à l'attribution de coordonnées détaillées sur la surface du corps dans une image. WiFi DensePose poursuit une ambition comparable dans un contexte de détection radio : inférer une structure liée au corps à partir de la façon dont les ondes se propagent dans une pièce. L'entrée n'est pas une image RGB, mais une suite de mesures du canal recueillies par du matériel WiFi compatible.
Cette différence est essentielle. Une sortie qui ressemble à une posture est une inférence produite par un modèle entraîné dans certaines pièces, avec certaines personnes, positions d'appareils, conditions radio et annotations. Le comportement peut changer après un déplacement de meuble, une rotation d'antenne, un changement de canal ou l'arrivée d'une autre personne. Il faut donc voir le terme comme une direction de recherche, et non comme la promesse que n'importe quel routeur produira un squelette fiable.
- WiFi DensePose utilise les variations du canal radio au lieu de pixels de caméra.
- La sortie est une représentation corporelle apprise ou un indice de posture, pas automatiquement un squelette vérifié.
- La pièce, le matériel, les annotations et le calibrage font partie du système de détection.
Comment fonctionne le pipeline WiFi DensePose
Un modèle mental utile comporte quatre étapes. D'abord, un émetteur et un récepteur échangent des paquets qui traversent un environnement multipath. Ensuite, le récepteur expose le CSI sur les sous-porteuses et dans le temps. Le traitement nettoie, aligne et transforme ces mesures en caractéristiques. Enfin, un modèle relie la séquence à une posture, une représentation corporelle, une activité ou une estimation de confiance.
Chaque étape peut échouer séparément. Une sortie de modèle apparemment stable ne peut pas corriger des sous-porteuses manquantes, des horodatages incohérents, une phase écrêtée, une capture faible ou des étiquettes qui ne décrivent pas la pièce réelle. Gardez les étapes visibles dans vos notes afin de savoir si le problème vient du matériel, du prétraitement, des données ou de l'interprétation.
| Étape | Ce qu'elle fournit | Échec courant |
|---|---|---|
| Capture CSI | Échantillons d'amplitude, de phase et de temps par sous-porteuse | Seul le RSSI est disponible, les paquets manquent ou les horodatages dérivent |
| Prétraitement | Fenêtres de signal alignées, filtrées et normalisées | Le filtre supprime le mouvement utile ou conserve le bruit de la pièce |
| Caractéristiques et modèle | Posture, région corporelle, activité ou confiance | Le modèle apprend un raccourci lié à la pièce plutôt qu'au corps |
| Validation | Répétitions, références, annotations et limites d'erreur | Une démo réussie est prise pour une précision générale |
Capture CSI : amplitude, phase et sous-porteuses
Channel State Information décrit la variation d'une liaison radio selon les sous-porteuses et le temps. Dans une expérience, l'amplitude peut montrer que la réponse du canal a changé, tandis que la phase et les caractéristiques temporelles apportent une structure supplémentaire si le matériel et la chaîne de traitement la préservent correctement. Une seule valeur RSSI est beaucoup plus grossière et ne doit pas être présentée seule comme une entrée DensePose.
Le premier contrôle technique n'est donc pas le modèle de posture, mais la qualité de la capture. Vérifiez que l'appareil expose les champs CSI attendus, que le débit de paquets et les horodatages sont assez stables et qu'un enregistrement d'une pièce vide ne ressemble pas à un mouvement permanent. Conservez les échantillons bruts et les métadonnées avant les filtres agressifs.
- Enregistrez les horodatages, le canal, la largeur de bande, la position des antennes et la position du sujet.
- Conservez le CSI brut pour pouvoir auditer les choix de prétraitement.
- Utilisez une référence de pièce vide pour séparer la dérive ambiante du mouvement ciblé.
L'estimation de posture dépasse la détection humaine
La détection humaine pose une question relativement étroite : une personne ou un changement est-il présent ? L'estimation de posture cherche une structure plus riche, comme des articulations, des régions corporelles ou des coordonnées denses. Plus la sortie est riche, plus les annotations, la synchronisation, la géométrie des capteurs et la validation deviennent exigeantes.
C'est pourquoi une page sur la détection humaine, un guide de capture CSI avec ESP32 et un guide WiFi DensePose ne doivent pas être fusionnés. Ils sont liés, mais répondent à des décisions différentes : le signal change-t-il, le matériel peut-il le capturer, et le modèle peut-il inférer une représentation corporelle sans confondre la pièce avec la personne ?
| Tâche | Question principale | Preuve nécessaire |
|---|---|---|
| Détection de présence | La pièce est-elle occupée ou change-t-elle ? | Essais pièce vide et pièce occupée |
| Mouvement ou activité | Quel mouvement général se produit ? | Actions annotées répétées et cas négatifs |
| Estimation de posture | Quelle configuration corporelle explique le mieux le signal ? | Annotations synchronisées, géométrie stable et sujets séparés |
| Représentation corporelle dense | La structure fine des régions du corps est-elle récupérable ? | Données variées et évaluation stricte entre pièces |
Matériel et données nécessaires
Il n'existe pas de bouton WiFi DensePose universel. Il faut une chaîne de détection qui expose un CSI utile, une géométrie émetteur-récepteur suffisamment stable et assez de données pour relier les motifs du signal aux annotations corporelles. Un nœud de type ESP32 peut être un bon point de départ pour apprendre la capture CSI et tester des activités simples, mais une petite configuration maker n'est pas automatiquement équivalente à un système de posture multi-liaisons de recherche.
La conception des données compte autant que le matériel. Variez les sujets, les points de vue, les distances, l'état de la pièce, les vêtements, les mouvements de fond et la position des appareils. Gardez si possible une pièce ou un sujet hors entraînement. Si chaque échantillon d'entraînement et de test vient de la même configuration, un score élevé peut simplement montrer que le modèle a mémorisé l'installation.
| Décision | Point de départ raisonnable | À vérifier |
|---|---|---|
| Comprendre le concept | Figures de l'article, traces de signal et exemple CSI documenté | Vous pouvez expliquer l'entrée, la sortie et la limite |
| Capturer un mouvement simple | Matériel ESP32 CSI ou WiFi de recherche compatible | Lignes CSI, horodatages, stabilité et répétabilité |
| Entraîner une activité | Fenêtres de signal annotées avec exemples négatifs | Séparation par sujet et pièce, équilibre et fuites |
| Étudier une sortie de posture | Plusieurs liaisons ou géométrie riche avec annotations synchronisées | Performance entre pièces et calibrage de confiance |
Un plan de validation responsable
Commencez par l'affirmation la plus petite qui puisse être testée. Une référence pièce vide contre pièce occupée est plus facile à réfuter qu'une affirmation de posture complète. Répétez ensuite un mouvement connu avec la même géométrie, puis ajoutez des essais négatifs : ouverture d'une porte, déplacement d'une chaise, variation du trafic du routeur ou passage d'une autre personne hors du scénario.
Les échecs doivent apparaître dans le compte rendu. Une bonne note de validation indique le lieu, la position des capteurs, le nombre de répétitions, les sujets ou pièces gardés en réserve, la gestion des paquets manquants et la baisse éventuelle de confiance. Si le résultat ne fonctionne que dans une pièce et avec une antenne donnée, décrivez une expérience locale plutôt qu'une capacité générale.
- Fixez la géométrie et les réglages de capture pour le premier test de répétabilité.
- Présentez les exemples positifs, négatifs et de pièce vide dans le même rapport.
- Utilisez des sujets ou des pièces réservés pour vérifier que le modèle n'a pas appris la salle.
- Comparez les affirmations de posture ou de signes vitaux avec une référence indépendante.
Ce que WiFi DensePose ne prouve pas
Un résultat de recherche réussi ne prouve pas qu'un routeur ordinaire produira une posture précise dans toutes les pièces. Il ne prouve pas non plus qu'une démo RuView, un dépôt open source ou un score de confiance du modèle constitue une certification médicale, de sécurité ou opérationnelle. Ces affirmations sont distinctes et demandent des preuves distinctes.
Utilisez les guides associés avec intention : la page CSI explique la mesure, la page ESP32 présente une voie de capture économique, la page de détection humaine traite une tâche plus étroite et la page de capture de mouvement RuView présente le flux du projet. Cette page ajoute la limite DensePose afin que ces sujets restent reliés sans devenir interchangeables.
- Ne présentez pas des variations RSSI seules comme du DensePose.
- Ne présentez pas une illustration générée comme une véritable interface RuView ou une posture mesurée.
- Ne considérez pas la confiance du modèle comme une vérité sans validation hors échantillon.
- N'utilisez pas des estimations de posture ou de signes vitaux pour une décision importante sans validation indépendante.
Sources et références techniques
FAQ WiFi DensePose
WiFi DensePose est-il la même chose que RuView ?
Non. WiFi DensePose désigne une piste de recherche pour estimer une structure corporelle depuis des signaux radio. RuView est un projet et un écosystème de démos de détection WiFi qui permet d'explorer des idées proches, mais les deux noms ne sont pas interchangeables.
N'importe quel routeur WiFi peut-il exécuter WiFi DensePose ?
Pas automatiquement. Il faut une chaîne qui expose un CSI compatible, des horodatages et une géométrie stables, des données adaptées et un modèle entraîné pour la tâche. Un routeur qui ne fournit que le trafic classique ou un RSSI grossier ne suffit pas.
Quelle est la première expérience la plus simple ?
Commencez par une référence de pièce vide et un mouvement répété entre un émetteur et un récepteur connus. Vérifiez la répétabilité des variations CSI avant de tenter la reconnaissance d'activité ou de posture.
WiFi DensePose produit-il un squelette humain exact ?
Il peut produire une estimation apprise de posture ou de régions corporelles dans un environnement contrôlé, mais le résultat reste probabiliste. Le matériel, la pièce, la variation entre sujets, les données et la validation déterminent le transfert hors de la configuration d'origine.
Quelle différence avec la détection humaine par WiFi ?
La détection humaine cherche généralement à savoir si une personne ou un mouvement est présent. DensePose vise une représentation corporelle bien plus riche et demande des annotations plus détaillées, une géométrie stable et une validation entre pièces plus forte.