{"id":21879,"date":"2024-05-21T11:13:51","date_gmt":"2024-05-21T09:13:51","guid":{"rendered":"https:\/\/www.kaspersky.fr\/blog\/?p=21879"},"modified":"2024-05-21T11:13:51","modified_gmt":"2024-05-21T09:13:51","slug":"dense-pose-recognition-from-wi-fi-signal","status":"publish","type":"post","link":"https:\/\/www.kaspersky.fr\/blog\/dense-pose-recognition-from-wi-fi-signal\/21879\/","title":{"rendered":"Comment localiser une personne et d\u00e9terminer sa pose \u00e0 l’aide du Wi-Fi ?"},"content":{"rendered":"

Pour trouver un (honn\u00eate) homme, nous savons que Diog\u00e8ne se servait d\u2019une lanterne, le philosophe faisant donc uniquement appel \u00e0 des m\u00e9thodes de reconnaissance optique. De nos jours, cependant, les scientifiques sugg\u00e8rent plut\u00f4t d\u2019utiliser des signaux Wi-Fi. Plus pr\u00e9cis\u00e9ment, la m\u00e9thode d\u00e9velopp\u00e9e<\/a> par trois chercheurs de l\u2019universit\u00e9 Carnegie-Mellon exploite le signal d\u2019un routeur Wi-Fi domestique ordinaire, non seulement pour localiser une personne \u00e0 l\u2019int\u00e9rieur d\u2019une pi\u00e8ce, mais \u00e9galement pour d\u00e9terminer sa pose.<\/p>\n

Pourquoi utiliser le Wi-Fi\u00a0? Il existe plusieurs raisons \u00e0 cela. Premi\u00e8rement, contrairement \u00e0 la reconnaissance optique, les signaux radio fonctionnent parfaitement dans l\u2019obscurit\u00e9 et ne sont pas perturb\u00e9s par des obstacles mineurs comme des meubles. Deuxi\u00e8mement, le Wi-Fi est bon march\u00e9, ce qui n\u2019est pas le cas des autres outils qui pourraient potentiellement faire l\u2019affaire, comme les lidars et les radars. Troisi\u00e8mement, le Wi-Fi est d\u00e9j\u00e0 omnipr\u00e9sent, et il suffit donc de l\u2019atteindre et de s\u2019en servir. Mais \u00e0 quel point cette m\u00e9thode est-elle efficace\u00a0? Et \u00e0 quoi peut-elle servir\u00a0? Plongeons dans le vif du sujet.<\/p>\n

DensePose\u00a0: une m\u00e9thode de reconnaissance de poses humaines dans des images<\/h2>\n

Pour commencer, nous devons prendre un peu de recul\u00a0; d\u2019abord, il convient de comprendre comment il est possible, de mani\u00e8re g\u00e9n\u00e9rale, de rep\u00e9rer avec pr\u00e9cision un corps humain et ses poses. En 2018, un autre groupe de scientifiques a pr\u00e9sent\u00e9 une m\u00e9thode appel\u00e9e DensePose<\/a>. Ils l\u2019ont utilis\u00e9e avec succ\u00e8s pour reconna\u00eetre des poses humaines sur des photographies, c\u2019est-\u00e0-dire sur des images en deux dimensions ne contenant pas de donn\u00e9es suppl\u00e9mentaires sur la profondeur.<\/p>\n

Voici comment cette m\u00e9thode fonctionne\u00a0: tout d\u2019abord, le mod\u00e8le DensePose<\/a> recherche dans les images des objets reconnus comme \u00e9tant des corps humains. Ensuite, ces objets sont segment\u00e9s en zones distinctes, chacune correspondant \u00e0 une partie du corps particuli\u00e8re, puis ces zones sont analys\u00e9es individuellement. Cette approche est utilis\u00e9e, car les diff\u00e9rentes parties du corps ne bougent pas de la m\u00eame mani\u00e8re\u00a0: par exemple, la t\u00eate et le torse se d\u00e9placent tr\u00e8s diff\u00e9remment des bras et des jambes.<\/p>\n

\"DensePose<\/a>

DensePose peut d\u00e9terminer avec pr\u00e9cision la pose de corps humains sur des photographies, et m\u00eame g\u00e9n\u00e9rer des cartes UV de leurs surfaces. Source<\/a><\/p><\/div>\n

Ainsi, le mod\u00e8le a appris \u00e0 corr\u00e9ler une image\u00a02D avec la surface\u00a03D du corps humain, ce qui permet d\u2019obtenir non seulement des annotations d\u2019image correspondant \u00e0 la pose reconnue, mais \u00e9galement une carte UV du corps repr\u00e9sent\u00e9 sur la photo. Cette derni\u00e8re permet, par exemple, de superposer une texture sur l\u2019image.<\/p>\n

Plus impressionnant encore, cette technique permet de reconna\u00eetre avec pr\u00e9cision la pose de plusieurs personnes sur des photos de groupe, y compris sur ces photos chaotiques de \u00ab\u00a0bal de promo\u00a0\u00bb o\u00f9 les sujets sont entass\u00e9s et se cachent partiellement les uns les autres.<\/p>\n

\"DensePose<\/a>

DensePose d\u00e9termine avec pr\u00e9cision la position des sujets sur des photos de groupe. Source<\/a><\/p><\/div>\n

De plus, \u00e0 en croire les images pr\u00e9sentes dans l\u2019article, ainsi que les vid\u00e9os publi\u00e9es par les chercheurs, le syst\u00e8me peut m\u00eame traiter sans probl\u00e8me les positions corporelles les plus inhabituelles. Par exemple, le r\u00e9seau de neurones identifie correctement les personnes \u00e0 v\u00e9lo, \u00e0 moto et \u00e0 cheval, et il d\u00e9termine \u00e9galement avec pr\u00e9cision la pose des joueurs de base-ball, des joueurs de football, et m\u00eame des danseurs de breakdance qui bougent souvent de mani\u00e8re impr\u00e9visible.<\/p>\n

\"DensePose<\/a>

Le mod\u00e8le DensePose fonctionne bien, m\u00eame pour des poses tout \u00e0 fait inhabituelles. Source<\/a><\/p><\/div>\n

Un autre avantage de DensePose est qu\u2019il ne requiert pas une puissance de traitement extraordinaire pour fonctionner. \u00c0 l\u2019aide d\u2019une carte graphique GeForce GTX\u00a01080, qui n\u2019\u00e9tait d\u00e9j\u00e0 pas haut de gamme au moment o\u00f9 l\u2019\u00e9tude a \u00e9t\u00e9 publi\u00e9e, DensePose capture 20\u00a0\u00e0\u00a026 images par seconde avec une r\u00e9solution de 240\u00d7320, et jusqu\u2019\u00e0 5\u00a0images par seconde avec une r\u00e9solution de 800\u00d71100.<\/p>\n

DensePose et le Wi-Fi\u00a0: des ondes radio \u00e0 la place des photos<\/h2>\n

En r\u00e9sum\u00e9, l\u2019id\u00e9e des chercheurs de Carnegie-Mellon \u00e9tait d\u2019utiliser le mod\u00e8le d\u2019IA de reconnaissance corporelle DensePose, d\u00e9j\u00e0 hautement performant, et de lui transmettre des signaux Wi-Fi \u00e0 la place des photographies.<\/p>\n

Dans le cadre de leur exp\u00e9rience, ils ont utilis\u00e9 la configuration suivante\u00a0:<\/p>\n