MIT利用人工智能技术让“穿墙看人”变成现实

一直以来，用X射线穿透墙壁看到对面的人，似乎都是科幻小说中天马行空的想象。但在过去的十年间，来自于麻省理工学院计算机科学与人工智能实验室（CSAIL）迪纳-卡塔比（Dina Katabi）教授的研究小组最新的研究成果，让我们不断接近这种“透过墙壁看人”的场景。

这个小组的研究项目名叫“RF-Pose”，能通过人工智能（AI）技术来训练无线设备感知人们的姿势与动作，甚至是在墙壁的另一侧都可以识别。

研究人员使用神经网络来分析从人类目标身体上反射回来的无线电信号，然后创建出动态的抽象人形图。当目标执行行走、停止、坐立或摆动四肢等动作时，这些人形图就会跟着做出相应的变化。

该研究小组表示，RF-Pose项目可以用来检测帕金森症、多发性硬化症（MS）以及肌肉萎缩症等，从而帮助病人更好的了解病情进展，让医生相应的调整药物治疗。它还可以帮助老年人更独立的生活，监测跌倒、受伤和活动模式的变化，提供额外的监测效果。该团队目前正在与医生合作，探索RF-Pose在医疗保健领域的应用。

该团队收集的所有数据都经过了受试者的同意，同时经过了匿名化和加密处理，保护用户的隐私。对于未来的实际运用，团队计划创建一个“同意机制”。在这个机制中，安装设备的人被要求进行一组特定的动作，以便开启整个监测过程。

“我们已经看到，被监测者的行走速度和自主活动能力，都为医疗保健服务者提供了一种以前从未有过的方式，这对各种疾病的治疗和恢复也具有积极的意义。”卡塔比表示，他已经撰写了一篇关于这套系统的论文。“我们这种方法最关键的优势是病人不需要佩戴传感器，也不需要总是给自己的设备充电。”

除了医疗保健范畴，该团队还表示RF-Pose系统还可以被用于开发新型视频游戏项目。玩家可以在家中模拟游戏中的动作，甚至还可以在搜救任务中寻找幸存者。

目前研究人员面临的挑战主要是大多数神经网络都是通过手工标记数据的方式进行。比如训练一套可以识别猫的神经网络系统需要查看大量的图片，并且为每张图片标记“是猫”或者“不是猫”。但无线电信号却无法轻易的被人类标记。

为了解决这个问题，研究人员利用无线设备与照相机收集了一些例子，包括成千上万张照片，并且照片中的人在进行不同的活动，比如走路、说话、坐立、开门、等电梯等。

然后，团队利用这些图像提取人形图像，并将其显示给神经网络和对应的无线电信号。这种互相结合的例子使RF-Pose系统可以更好的了解无线电信号与所识别目标之间的联系。

在完成训练后，RF-Pose可以在没有摄像机的情况下预估目标人物的姿势和动作，并且只接收从人体反射回来的无线电信号。

由于摄像头无法穿透墙壁，所以神经网络不会对没有墙壁的数据进行训练。让研究团队感到非常意外的是，该神经网络可以自主学习，并且识别整个墙面背后的动作。

“如果你将计算机视觉系统看成是一位老师，那么这就是个非常好的例子证明学生比老师表现得更好。”研究团队表示。

除了感知运动，研究团队还表示该系统利用无线信号的准确识准确率达到了83%。这种能力在搜救场景下非常有用，可以帮助搜救人员了解特定人群的身份。

目前该模型只能输出2D的人形图，团队正在努力希望未来可以输出3D人形图，能够更准确的反映细小的动作。比如通过3D人形图可以检测老年人的手臂是否经常摇晃，从而判断是否需要进行进一步的检查。

“通过视觉数据和人工智能的结合，我们可以更好的理解周围的环境，让生活变得更安全、更有效率。”研究团队表示。