RuView : Estimation de pose humaine en temps réel via WiFi sans caméras

Selon cnx-software, RuView est une solution open source qui exploite la technique « WiFi DensePose ». Grâce à plusieurs nœuds ESP32, cette implémentation transforme les signaux WiFi en estimations de pose humaine en temps réel, en surveillant les signes vitaux et en détectant la présence sans avoir besoin de caméras vidéo.

ESP32 et 54 $ : un système innovant de détection de pose

La technique WiFi DensePose, initialement explorée dans le cadre de travaux universitaires, permet de reconstruire la posture humaine à partir des signaux WiFi. RuView utilise Rust ou Python, et s’appuie sur votre routeur WiFi et des nœuds ESP32 pour suivre la posture corporelle, détecter la fréquence respiratoire et mesurer la fréquence cardiaque, y compris à travers les murs. Cependant, ce projet a suscité certaines controverses, des critiques affirmant son inexactitude.

Le système repose sur les variations des informations état des canaux (CSI) causées par les mouvements humains, permettant ainsi une analyse en temps réel de la posture, de la respiration et des signaux vitaux. Pour en bénéficier, il est crucial de disposer d’un matériel compatible CSI, tous les nœuds WiFi grand public ne prenant pas en charge cette fonctionnalité. Les options matérielles incluent les nœuds ESP32-S3, recommandés pour leur coût d’environ 54 $ et leur capacité à suivre la posture, la respiration et la présence. D’autres choix sont également disponibles, comme la carte réseau Intel 5300 ou des ordinateurs portables avec des capacités limitées.

Des performances impressionnantes avec jusqu’à 54 000 fps

Lorsque le système est correctement configuré avec des nœuds ESP32-S3, il peut atteindre des performances notables. On s’attend à une estimation de pose à 54 000 images par seconde, une détection de la fréquence respiratoire entre 6 et 30 BPM, et une fréquence cardiaque comprise entre 40 et 120 BPM. La détection de la présence affiche une latence inférieure à 1 ms, et la technologie permet de détecter les mouvements à travers des murs, offrant une portée jusqu’à 5 mètres.

Pour installer RuView, l’utilisation de Docker est nécessaire, avec prise en charge de Windows 10/11, macOS 10.15, et Ubuntu 18.04 ou versions plus récentes. Chacun des nœuds ESP32-S3 doit également avoir le micrologiciel approprié chargé. Il est essentiel de noter que la détection de présence, ainsi que la mesure du niveau de mouvement et de la fréquence respiratoire, ne nécessitent pas de réseaux neuronaux pour fonctionner. Cependant, pour l’estimation de la pose avec un squelette de 17 points clés, un modèle doit être entraîné pour l’environnement spécifique de l’utilisateur.

L’interface utilise un tableau de bord Web, accessible à l’adresse http://localhost:3000, où les utilisateurs peuvent visualiser les données. Une démo en direct est également disponible pour ceux qui souhaitent un aperçu rapide sans configuration.

Les avantages remarqués du projet RuView et des techniques WiFi DensePose incluent : une gestion de la vie privée optimale en n’utilisant que des signaux WiFi, la possibilité de suivre plusieurs personnes simultanément, un support à travers les murs, et même une intervention en situation de catastrophe pour détecter les victimes piégées. De plus, un maillage multistatique permet à plusieurs nœuds de capteurs de travailler ensemble, assurant une couverture à 360 degrés et des mesures précises, tout en s’auto-apprenant à partir des données collectées. En termes de sécurité, les communications entre capteurs sont cryptées, offrant un haut niveau de protection.

Cependant, le projet a récemment été critiqué, certains le qualifiant d’escroquerie, en raison de données aléatoires dans les résultats initiaux. Cela a suscité des inquiétudes quant à la fiabilité du projet. Bien que la science sous-jacente soit valide, il est mentionné que certaines affirmations pourraient être amplifiées ou limitées à des conditions spécifiques, sans preuves concluantes pour juger de son efficacité générale.

Des données aléatoires avaient été identifiées dans les premières versions, mais des mises à jour ont visiblement été effectuées, corrigeant certaines inexactitudes constatées.