BeamSense : Une façon plus simple de surveiller les activités avec le Wi-Fi

Le Wi-Fi a changé la manière dont on se connecte à internet depuis les années 90. En plus de fournir une connexion, il peut aussi être utilisé pour détecter des activités et surveiller la santé. L'idée est simple : quand quelqu'un bouge, il perturbe les signaux Wi-Fi, et ces changements peuvent être mesurés. Ça peut nous aider à savoir ce que fait quelqu'un sans avoir besoin d'une caméra ou d'autres méthodes intrusives.

Cependant, la façon dont ça se fait nécessite souvent un équipement spécial que tous les appareils ne peuvent pas utiliser. La pratique courante implique de mesurer quelque chose appelé Channel State Information (CSI), qui décrit comment les signaux se déplacent dans l'environnement. Malheureusement, obtenir le CSI nécessite souvent de modifier les appareils Wi-Fi classiques, ce qui complique son utilisation à grande échelle.

Cet article présente une nouvelle méthode qui utilise quelque chose appelé Beamforming Feedback Information (BFI) pour améliorer la détection d'activités tout en évitant les complications liées à l'utilisation du CSI.

#Contexte

#Détection par Wi-Fi

La détection par Wi-Fi regarde comment les signaux Wi-Fi changent quand une personne est présente. Quand quelqu'un bouge, les signaux Wi-Fi rebondissent sur son corps, et cette altération peut être mesurée. La méthode la plus courante pour la détection par Wi-Fi utilise le CSI, qui fournit des informations détaillées sur comment les signaux sont affectés par les obstacles et les réflexions dans l'environnement.

Bien que le CSI puisse donner de super détails sur l'environnement, il a souvent besoin de firmware personnalisé ou d'outils spéciaux, ce qui complique les choses. Beaucoup de systèmes utilisant le CSI ont été développés, mais ils font face à des limitations importantes. À cause de ces défis, il y a un besoin de méthodes plus simples et plus évolutives pour la détection par Wi-Fi.

#Limitations des méthodes actuelles

Les méthodes actuelles de détection d'activités utilisant le CSI ont des inconvénients significatifs. Elles nécessitent un équipement spécialisé et peuvent ne pas bien fonctionner dans tous les environnements. Par exemple, si les appareils utilisés pour collecter les signaux ne sont pas assez proches de l'activité, les résultats peuvent être peu fiables. De plus, extraire le CSI nécessite un traitement complexe, le rendant moins idéal pour un usage quotidien.

#Notre nouvelle approche

Cet article présente une nouvelle technique de détection par Wi-Fi appelée BeamSense, qui utilise le BFI au lieu du CSI. Le BFI est plus simple à capturer et peut être réalisé avec des appareils Wi-Fi classiques. Le BFI fournit des informations précieuses sur la façon dont les signaux voyagent sans nécessiter de modifications compliquées.

#Avantages du BFI

1. Facilité d'utilisation : N'importe quel appareil Wi-Fi standard peut collecter le BFI sans nécessiter de modifications. Ça rend l'implémentation beaucoup plus facile dans divers environnements.

2. Meilleure information : Le BFI capture des informations de plusieurs canaux dans un seul paquet, ce qui signifie qu'il peut fournir des données plus complètes que les méthodes traditionnelles.

3. Évolutivité : L'approche est mieux adaptée pour des applications où plusieurs appareils doivent travailler ensemble, rendant possible de surveiller plus d'espaces avec moins de tracas.

#Comment fonctionne BeamSense

Le système BeamSense utilise des signaux Wi-Fi standard pour déterminer ce que les gens font dans un environnement. Voici comment ça fonctionne :

#Collecte des retours de formation de faisceaux

Le BFI est collecté à travers un processus appelé beamforming, une technique où les signaux sont dirigés vers des emplacements spécifiques pour améliorer la performance. Les appareils impliqués peuvent envoyer des retours sur la façon dont les signaux sont reçus, ce qui donne des informations sur l'environnement.

#Traitement des données

Une fois le BFI collecté, il est traité pour interpréter les signaux. Ce traitement recherche des motifs qui indiquent quelles activités se passent. Par exemple, si le signal change fortement, ça pourrait signifier que quelqu'un bouge, se lève ou fait une action spécifique.

#Classification des activités

En utilisant une méthode appelée Fast and Adaptive Micro Reptile Sensing (FAMReS), le système classe les activités en fonction des données collectées. Le FAMReS permet au système d'apprendre à partir d'une petite quantité de nouvelles données, donc il peut s'adapter rapidement à différents environnements et utilisateurs.

#Expérimentation et résultats

Pour évaluer BeamSense, des tests approfondis ont été réalisés dans trois environnements distincts : une cuisine, un salon et une salle de classe. Trois personnes différentes ont effectué vingt activités distinctes, comme courir, applaudir et marcher, pendant que leurs mouvements étaient enregistrés.

#Précision de BeamSense

Comparé aux techniques existantes utilisant le CSI, BeamSense a montré des résultats impressionnants :

• Dans la cuisine, BeamSense a atteint 96 % de précision.
• Dans le salon, il a atteint 99 %.
• Dans la salle de classe, la précision était de 95,47 %.

Ces résultats étaient nettement meilleurs que ceux obtenus par les systèmes basés sur le CSI, soulignant les avantages de l'utilisation du BFI.

#Gestion des différents environnements

Un des plus grands défis dans la reconnaissance d'activités est de s'adapter à divers environnements. BeamSense a montré une grande adaptabilité ; il a bien fonctionné même avec peu de données supplémentaires, indiquant qu'il peut se généraliser facilement à de nouveaux paramètres.

#Applications pratiques

Les utilisations pratiques de BeamSense peuvent avoir un impact significatif dans divers domaines :

#Surveillance de la santé

Dans des environnements liés à la santé, cette technologie peut détecter les mouvements des patients et les changements de comportement sans nécessiter d'équipement de surveillance intrusif.

#Maisons intelligentes

Dans les maisons intelligentes, ça peut offrir une meilleure sécurité et surveillance en reconnaissant qui est à la maison et quelles activités ils font, le tout à travers des réseaux Wi-Fi existants.

#Divertissement

Dans les environnements de divertissement, ça peut améliorer l'expérience utilisateur en détectant les réactions du public et en ajustant le contenu en conséquence.

#Conclusion

Les avancées dans le BFI pour la détection par Wi-Fi représentent un changement significatif dans notre façon de surveiller les activités et la santé. Cette approche simplifie le processus et le rend accessible à un plus large éventail d'applications, offrant une plus grande précision sans les complications des méthodes traditionnelles.

En s'appuyant sur la technologie que nous avons déjà, BeamSense propose un avenir prometteur pour la surveillance non intrusive dans divers aspects de la vie quotidienne. Le potentiel d'évolutivité et d'adaptabilité ouvre la voie à des avancées passionnantes dans des domaines comme la santé, l'automatisation à domicile et le divertissement.

Cette approche améliore non seulement notre capacité à surveiller les activités, mais ouvre aussi un chemin pour de nouvelles recherches et améliorations dans les technologies de détection sans fil. L'évolution continue des communications sans fil peut mener à des méthodes encore plus innovantes pour comprendre et interagir avec nos environnements.