Сегодня у нас необычная и очень любопытная тема: вы знали, что ваш Wi-Fi роутер не только посылает вам интернет, но и может видеть вас сквозь стены, как тепловизор? Это рентгеновское зрение как у Супермена? Не совсем, но очень похоже… Разбираемся!
*https://www.youtube.com/watch?v=zBFxQMOaoP0
**https://300.ya.ru/v_n05BvkoG
таймкоды
00:00:06 Введение в тему
- Супермен в комиксе «Экшн Комикс» научился смотреть сквозь стены с помощью рентгеновского зрения.
- В реальности это невозможно из-за плотности стен.
- Американские исследователи доказали, что с помощью Wi-Fi можно определять местоположение людей через стены.
00:01:55 Начало исследований
- В 2015 году учёные начали изучать возможность определения местоположения людей через стены с помощью радиоволн.
- Тепловизоры не подходят из-за ограниченного угла обзора.
- Радиоволны могут проходить сквозь препятствия, но их частота влияет на способность проходить через стены.
00:05:31 Принцип работы Wi-Fi
- Wi-Fi работает на частоте 2,4 ГГц и 5 ГГц.
- Препятствия изменяют мощность сигнала Wi-Fi.
- Изменение мощности сигнала позволяет отслеживать местоположение человека.
00:07:15 Технология Wireless Vision
- Для точного определения местоположения используются две антенны: одна для отправки сигнала, другая для приёма.
- Антенны настраиваются так, чтобы сигнал был равен нулю, если в комнате никого нет.
- По изменениям сигнала определяется расстояние и угол относительно устройства.
00:08:43 Применение технологии
- Технология позволяет обнаруживать падение человека.
- Работает сквозь бетонную стену толщиной 20 см.
- Подходит для наблюдения за пожилыми людьми без нарушения приватности.
00:09:54 Исследование с нейросетями
- Учёные из Карнеги Меллон использовали нейросеть Dance Pos для определения поз и движений людей.
- Увеличение количества антенн до трёх и использование разных каналов Wi-Fi для сбора данных.
- Dance Pos проецирует движения людей на трёхмерную поверхность.
00:11:44 Применение нейросети
- Dance Pos применяется в различных областях: от съёмок до автопилота.
- Проблема: в исходном варианте Dance Pos использует данные с камеры, но в исследовании используются только сигналы Wi-Fi.
00:12:20 Замена данных с камеры на сигналы Wi-Fi
- Исследователи создали нейросеть для замены данных с камеры на сигналы Wi-Fi.
- Для тренировки нейросети записано 16 роликов по 13 минут с движениями людей.
00:13:06 Обучение нейросети
- Нейросети скормили данные: изображения с людьми, результаты распознавания DNN и графики сигналов Wi-Fi.
- Задача нейросети — соотнести сигналы Wi-Fi с распознаванием людей DNN.
00:13:35 Оборудование и результаты
- Для тренировки использовалось четыре видеокарты NVIDIA Titan X 2016 года выпуска.
- Нейросеть может распознавать людей в комнате без использования датчиков, кроме Wi-Fi антенн, но не всегда безошибочно.
00:14:27 Ограничения и перспективы
- Технология требует настройки под конкретную среду, что ограничивает её применение.
- Даже незначительное изменение условий, например, сдвиг источников сигнала или появление новой Wi-Fi точки, может испортить работу нейросети.
- Сфера применения исследований будет крайне ограничена из-за необходимости длительной подготовки и настройки.
В этом видео
Вступление
0:00
[музыка]
0:06
Супермен научился Смотреть сквозь стены
0:09
1939 году в 11 выпуске комикса экшн
0:13
комикс и эту способность назвали
0:16
рентгеновским зрением получается что
0:18
рентгеном можно просвечивать сквозь
0:19
стены к сожалению нет Все что толще и
0:22
плотнее человеческой кожи является
0:24
препятствием для этих лучей А теперь
0:27
Посмотрите на это нет это не
0:29
рентгеновское зрение оказывается
0:31
повторить такую технологию в реальности
0:33
возможно и вместо трико Супергероя вам
0:36
потребуется
0:37
wi-fi-роутер эффектно да Но как это
0:40
работает Это же невозможно Смотреть
0:41
сквозь стены с помощью wi-fi Однако
0:44
американские исследователи из
0:45
университетов mit и Карнеги мелан в
0:48
своих научных работах доказали что это
0:50
более чем возможно серия исследований
0:52
продлившиеся 7 лет множество
0:55
экспериментов и конечно хитро
0:57
настроенные нейронные сети привели к
0:59
появлению такой занятной технологии из
1:02
обычного ва -fi так как это работает и
1:04
смогут ли ваши соседи подглядывать за
1:07
вами с помощью wi-fi Давайте разбираться
1:10
с вами Иванов это погнали
1:14
[музыка]
1:17
друзья в нашем Telegram канале полно
1:20
техноконтента нейросеть которая
1:22
превратит ваши каракули в шедевры
1:24
конечно у нас со ссылкой уникальные
1:27
красивые изображения от телескопа
1:29
Джеймса уэбба покажем и расскажем почему
1:32
это так круто а как вам такой пуховик он
1:35
выглядит Как клавиатура и ещё очень
1:37
много всего интересного подпишись по
1:40
ссылке в описании чтобы не пропустить
1:41
самое важное и крутое в Техно в мире А
1:45
еще оставляю ссылку на самый крутой пост
1:47
последнего времени закрепленном
1:49
комментарии а мы поехали дальше
Причем тут радиоволны?
1:55
наша история начинается в 2015 году в
1:59
стенах университета Mid но для начала
2:01
Давайте поймем На что именно обратили
2:03
внимание ученые из него Давайте подумаем
2:06
как в принципе можно увидеть что-то
2:08
сквозь стену наиболее близкое к этому из
2:11
того что у нас есть на данный момент
2:13
тепловизоры Вы наверняка видели в
2:15
фильмах как герои просвечивали целое
2:17
здание с помощью тепловизора и видели
2:19
всех людей внутри но к сожалению в
2:22
реальной жизни так не работает у
2:24
тепловизоров очень небольшой угол обзора
2:26
Но почему тепловизор все же видит людей
2:28
сквозь стены каждый человек излучает
2:31
тепловые волны мы их не видим только
2:33
чувствуем и то даже не на расстоянии они
2:37
спокойно проникают через непрозрачные
2:39
препятствия тепловизор эти тепловые
2:41
волны и регистрируют фундаментально нам
2:44
нужно что-то похожее но проще и дешевле
2:46
поймать некую волну которая спокойно
2:49
может проходить сквозь препятствия и
2:51
наблюдать за ее изменениями необходимо
2:54
какое-то другое Не тепловое излучение
2:57
которое умеет проникать сквозь
2:59
препятствия и этим излучением являются
3:01
радиоволны если бы они не проходили
3:03
сквозь препятствия У нас не было бы не
3:06
FM радио ни блютус ни wi-fi И это наше
3:10
первая зацепка Однако радиоволны бывают
3:12
разные и различаются они по частоте от
3:15
крайне низких частот Это от 3 гц до
3:17
гипервысоких 300 ГГц и более физика
3:21
процесса на уровне частиц нас здесь
3:23
особо не интересует Если обобщить то чем
3:26
больше частота волны тем сложнее и
3:29
проходить сквозь стены тем сильнее
3:30
теряется ее Сигнал это кстати касается
3:33
не только радио но и звуковых волн
3:35
наверняка Вы или ваши соседи замечали
3:37
что басы очень хорошо слышны сквозь
3:40
стену Ну или дрель по утрам в субботу с
3:42
другой стороны нам нужно чтобы волна
3:44
изменялась при прохождении сквозь
3:46
препятствия иначе никак нельзя будет
3:48
определить Были ли вообще препятствия на
3:50
её пути или нет по этой причине например
3:52
нам не подходят FM волны потому что они
3:55
уж очень хорошо проходят сквозь стены
Рекламная интеграция
4:00
Япония прекрасно в своём культе
4:02
идеальной простоты и совершенной
4:05
функциональности А их клинки прекрасный
4:08
образчик этой жизненный философии
4:11
сегодня будут по-японские лаконические
4:13
разложу по полочкам Почему поиски
4:16
мощного ноутбука должны заканчиваться
4:18
при встрече с MSI Катана
4:23
а
4:24
MSI Katana это Стартовая и при этом
4:27
самая продаваемая серия игровых
4:29
ноутбуков MSI за что же ее любят
4:32
доступно много конфигурации с самым
4:34
современным железом и возможностью
4:36
выбрать под себя лучшие параметры и цен
4:39
Но что же внутри новейший Intel Core 13
4:42
поколения топовая видеокарта NVIDIA 40
4:44
серии отличный экран много памяти и
4:47
оптимальное охлаждение для работы без
4:49
промедлений а снаружи стильный корпус
4:52
который подчеркивает боевой дух этого
4:54
продукта
4:57
так к кому же стоит брать неважно Будет
4:59
ли вашей целью новейшей и самые
5:01
требовательные игры хардкорные
5:03
творческие задачи или тяжелейшие
5:05
вычисления MSI Catana справится на все
5:08
100 А главное у MSI множество сервисных
5:11
центров по всей России Так что никаких
5:13
заморочек с поддержкой и гарантией
5:16
Выбирайте свою катану чтобы ощутить всю
5:19
мощь инструмента который был создан
5:21
Специально для вас ссылочка как всегда в
5:24
описании но Мы возвращаемся к видео
Беспроводное зрение от MIT
5:28
[музыка]
5:31
возвращаемся в 2015 год Именно тогда
5:35
ученые из my-ти обратили внимание на
5:37
высокочастотный радиоволны на те которые
5:40
встречаются повсеместно и не требуют
5:42
дорогого оборудования для работы с ними
5:45
а именно на wi-fi если говорить точнее
5:48
на стандарт wi-fi 4 который работает на
5:52
частоте 2.4 ГГц из его использованием
5:55
была создана технология которая
5:57
позволяла определить местоположение
5:59
человека в комнате и эта технология
6:01
назвали
6:03
Vision беспроводное зрение это не
6:07
рентгеновское зрение но по сути первый
6:09
шаг к нему разберем Как такое возможно
6:12
Вы точно знаете как работает wi-fi
6:14
роутер или иное устройство создает
6:16
радиоволну А ваш смартфон принимает и
6:19
обратно волна несет данные например
6:21
смешную картинку с котиком Однако эта
6:24
картинка никак не изменится если вы
6:26
будете хоть через пять стен А вот сама
6:29
волна изменится сигнал станет сла
6:31
мощность сигнала wi-fi измеряется в
6:34
децибел милливатах или сокращенно dbm
6:36
это значение всегда отрицательное -30
6:39
считается идеальным значением А минус 90
6:42
это потеря сигнала что же влияет на
Что влияет на сигнал Wi-Fi?
6:46
мощность сигнала Да все что угодно и
6:50
именно на это делается ставка в
6:52
исследовании любое препятствие любого
6:54
размера и формы в пределах покрытия сети
6:56
изменяет сигнал вы сами можете это
6:58
проверить если скачаете Любое приложение
7:00
для измерения сигнала wi-fi даже если вы
7:03
просто поставите руку между роутером и
7:06
телефоном сигнал изменится получается
7:08
что по изменению мощности сигнала можно
7:11
отслеживать изменения в окружающем
7:13
пространстве запомним Однако есть одно
7:16
но точность будет крайне невысокая есть
7:20
препятствие или нет препятствия для того
7:22
чтобы отслеживать изменения точнее Нужно
7:24
несколько передатчиков чтобы следить за
7:27
изменением сразу нескольких сигналов в
7:30
исследовании решили использовать
7:31
антенны для отправки сигнала и одну для
7:34
получения в обычных условиях между
7:36
источником и приемником wi-fi много
7:38
препятствий это и мебель и стены и
7:41
другие устройства Так что нужно сделать
7:43
так чтобы эти препятствия не мешали
7:45
обнаруживать человека в поле зрения
7:47
сигнала для этого антенны источники
7:49
сигнала настроили так чтобы сигнал был
7:51
равен нулю если вы следуемой комнате
7:53
никого нет И как только в комнату кто-то
7:56
входит сигнал изменяется так как человек
7:58
вносит изменения в распространение
8:00
сигнала какая-то часть проходит сквозь
8:03
какая-то отражается причем это
8:05
происходит по-разному при различной
8:07
дальности человека от источника сигнала
8:09
чем дальше тем сильнее сигнал гасится
8:11
значит по этим изменениям можно
8:13
определять На каком расстоянии человек
8:16
от измерительного устройства Но одно
8:18
только расстояние не даст точного
8:20
местоположения это даст только
8:22
окружность в которой может находиться
8:25
человек для того чтобы определить точные
8:27
координаты нужно определить угол
8:30
относительно устройства например угол в
8:32
ноль градусов Будет означать что человек
8:34
находится прямо перед девайсом антенну
8:37
получатель сигнала настроили Так что она
8:39
смогла фиксировать угол под которым она
8:41
получает этот самый сигнал а так как
8:44
человек влияет еще и на угол отражения
8:46
сигнала это позволило точно определять
8:48
его местоположение в комнате помимо
8:51
этого также получилось обнаруживать
8:52
падение человека также благодаря
8:55
изменениям сигнале Кстати по словам
8:57
исследователей работать такая технология
8:59
будет даже сквозь бетонную стену
9:02
толщиной 20 сантиметров также они
9:05
считают что эта технология следует
9:07
использовать для наблюдения за пожилыми
9:09
людьми например чтобы быстро
9:11
среагировать если человек упал будет
9:13
сразу понятно где именно он находится и
9:17
при этом никаких проблем с приватностью
9:18
ведь не будет видно ничего кроме точки
9:21
на карте однако все это немного не то не
9:24
рентгеновское зрение Супермена наверное
9:26
год назад также подумали ученые из
9:28
другого университета Карнеги мелан и
9:31
свою реализацию этой идеи нейросетями и
Исследование университета Карнеги Меллон
9:36
[музыка]
9:40
за основу был взят все тот же wi-fi 4
9:43
суть тоже не особо поменялась надо было
9:45
все так же отслеживать изменения сигнала
9:48
беспроводной сети но реализация все же
9:52
немного другая Давайте разбираться целью
9:54
этого исследования было не просто найти
9:56
человека в комнате а несколько человек и
9:59
самое интересное определить их позы и
10:01
движения довольно очевидно что эта
10:04
задача гораздо сложнее значит как
10:06
минимум нужно гораздо больше данных
10:08
поэтому количество антенн принимающих и
10:11
передающих сигналы увеличили аж до 3
10:14
штук также сигналы передавали по разным
10:16
каналам wi-fi Но что это значит Дело в
10:19
том что wi-fi работает ни на одной
10:21
конкретной частоте А на небольшом
10:23
диапазоне например wi-fi на 2,4 ГГц
10:26
работает на частотах от 2400 до 248
10:31
4 МГц и на каждой частоте мощность
10:35
сигнала при прохождении через
10:36
препятствие изменяется по-своему и как
10:39
мы уже обсуждали Чем выше частота
10:40
сигнала тем хуже он проходит сквозь
10:43
стены как и в предыдущем исследовании
10:45
нужно зафиксировать как сигнал проходит
10:47
в идеальных условиях затем отслеживать
10:49
как он меняется при появлении между
10:51
передатчиком и приёмником людей а также
10:54
при их движении Однако теперь данных
10:56
стало гораздо больше и Результатом такой
10:59
работы будет очень много графиков но как
Причем тут нейросеть…
11:03
графики позволят видеть сквозь стены и
11:05
тут дело вступает нейросеть под
11:09
названием Dance Она позволяет по видео
11:12
точно выделять людей в кадре и их
11:14
движения И проецировать это на
11:16
трехмерную поверхность по сути это
11:18
нейросеть совмещает себе функции
11:19
зеленого экрана и датчика глубины но без
11:23
всего этого только на основе информации
11:26
полученной камеры работает Дэнс полз два
11:30
этапа на Первом эта распознаются
11:32
отдельные части тела людей в кадре на
11:35
втором этапе на эти части проецируются
11:37
точки и отслеживается изменения
11:39
координат этих точек таким образом люди
11:42
в кадре отделяются от фона все это
11:45
конечно очень интересно но у вас вполне
11:46
могут возникнуть два вопроса Первый
11:49
Зачем вообще всё это надо второй как-то
11:52
Связано с нашим исследованием wi-fi
11:54
кучей графиков и вот этим вот всем на
11:57
первый вопрос ответить довольно просто
11:58
сфера применения такой нейросети
12:00
довольно Широкая от замены зеленого
12:02
экрана при съемках и до автопилота В
12:05
автономном транспорте например
12:06
распознавать жесты и движения
12:09
авторегулировщика А вот со вторым
12:11
вопросом уже сложнее В исходном варианте
12:13
Dance paults люди в кадре определяются
12:15
по данным с камеры но у нас нет никакой
12:18
камеры У нас есть только сигналы wi-fi
12:20
вроде бы и то и другое отслеживает
12:22
изменения в окружающей среде Так что
12:24
можно попробовать заменить данные с
12:27
камеры на данные сигналов wi-fi И для
12:29
этого исследователи создали
12:31
еще одну нейросеть Да все по заветам
12:37
вложили нейросеть чтобы тренировать
12:40
нейросеть пока тренируем
12:47
для тренировки сети было записано 16
12:50
роликов по 13 минут в них в кадре
12:52
постоянно находилась от 1 до 5 человек и
12:55
они просто совершали различные движения
12:57
ходили двигали Ногами Руками вставали
13:00
ложились и так далее В общем создавали
13:03
максимально разнообразные данные для
13:05
нейросети при этом записывались графики
13:07
сигналов с антенн wi-fi а также
13:09
использовалась таким образом нейросети
13:13
скормили следующие данные изображения с
13:16
людьми в кадре затем как это распознают
13:18
дэнсполс и как при этом выглядит графики
13:22
сигналов задача проста нейросеть должна
13:24
была соотнести сигналы wi-fi с тем как
13:27
распознаёт людей в кадре дэнс-боуз и
13:29
затем можно было бы воспроизвести эти
13:32
результаты без использования видео с
13:34
обычной камеры для тренировки такой сети
13:36
использовалась аж четыре видеокарты
13:39
NVIDIA Titan X 2016 года выпуска К
13:43
сожалению в исследовании ничего не
13:45
сказано Почему выбор пал именно на это
13:48
железо А было бы интересно разузнать Ну
13:50
а результат вы уже видели в начале
13:52
ролика Давайте закрепим ней висеть
13:54
Теперь может распознавать людей в
13:56
комнате как будто стилоев датчика но без
13:59
использования его вообще без любых
14:01
датчиков кроме wi-fi антенн к сожалению
14:03
не на сто процентов безошибочно вот
14:05
здесь вы можете видеть что нейросеть
14:07
иногда неправильно распознает людей в
14:09
помещении потому что вариантов
14:11
расположения нескольких людей в
14:13
трехмерном пространстве несоизмеримо
14:15
больше чем вариантов двумерных графиков
14:16
даже с трех антенн и конечно это все
14:19
решаемо преимущественно увеличением
14:21
количества данных для тренировки
14:23
[музыка]
Выводы
14:28
кажется что это большая угроза
14:30
приватности сейчас это только
14:32
исследование но буквально через
14:34
несколько лет Такая технология может
14:36
стать доступна буквально всем не очень
14:39
Обнадеживает Не так ли но я бы не стал
14:42
беспокоиться ведь эту нейросеть Нужно
14:43
настраивать под конкретную среду и даже
14:46
незначительное изменение все испортит
14:48
даже маленький сдвиг источников
14:50
приемников сигнала буквально на
14:52
несколько миллиметров или появление
14:54
новой wi-fi точки у ваших соседей а это
14:57
значит что для установки такой слежки
14:59
потребуется очень длительная подготовка
15:01
и настройка Так что сфера применения
15:04
этих исследований будет крайне
15:06
ограничено А для чего бы вы применили
15:08
эту технологию Напишите в комментариях С
15:11
вами был Митя Иванов это дроидов До
15:13
встречи в будущем
15:15
[музыка]