卡内基梅隆大学（CMU）人类传感实验室的研究人员发表了一篇关于WiFi的DensePose的论文，这是一种人工智能模型，可以仅使用来自WiFi发射器的信号来检测房间中多个人的姿势。在对真实世界数据的实验中，该算法在 87% IOU 阈值下实现了 2.50 的平均精度。

由于WiFi信号是一维的，所以以前大多数使用WiFi检测人的方法只能定位一个人的重心，通常只能检测到一个人。CMU技术结合了来自三个不同接收器捕获的三个WiFi信号的幅度和相位数据。这会产生一个3x3的特征图，可以传递给一个神经网络，该神经网络产生人体表面的UV图，可以定位多个人并确定他们的姿势。

根据研究人员的说法：我们的工作表现仍然受到基于WiFi感知领域的公共培训数据的限制，尤其是在不同的布局下。在未来的工作中，我们还计划收集多布局数据，并扩展我们的工作，以从WiFi信号预测3D人体形状。我们相信，与RGB相机和激光雷达相比，密集感知的先进功能可以使WiFi设备成为隐私友好，照明不变且廉价的人体传感器。

该过程首先收集五个通道状态信息（CSI）样本，即“发射信号波和接收信号波之间的比率”。每个样本包含 30 个频率，取自从三个发射器中的每一个发送到三个接收器的信号;结果是两个形状为 150 x 3 x 3 的原始数据张量，一个用于相位，一个用于振幅。这被“模态转换网络”转换为 1280 x 720 的图像张量。然后，使用最先进的姿势检测网络DensePose将其处理为相机捕获的图像。

将WiFi信号转换为2D图像

该模型是在WiFi信号数据集上进行评估的，该数据集与包含一到五个人的场景的视频记录配对。这些场景是在办公室和教室里录制的。虽然没有视频的注释来为评估提供地面真相，但研究人员将预训练的DensePose模型应用于视频以创建伪地面真相。总体而言，该模型可以“有效地检测人类边界框的大致位置”和躯干的姿势，但在检测肢 体方面遇到了困难。