利用wifi信号进行人体姿态估计

该研究来自于卡内基梅隆大学，原文：https://arxiv.org/pdf/2301.00250

1. 一段话总结

该研究提出一种基于WiFi信号的密集人体姿态估计方法，通过融合深度学习架构（借鉴计算机视觉中的DensePose-RCNN），将WiFi的信道状态信息（CSI）的相位和幅度映射到24个人体区域的UV坐标，解决了传统RGB相机受遮挡、光照影响，LiDAR和雷达成本高、功耗大且隐私性差的问题。实验表明，该模型仅以WiFi为输入，在多人场景下的密集姿态估计性能可与基于图像的方法媲美，硬件成本仅需约60美元（2台30美元的路由器），同时通过相位净化、关键点监督分支和迁移学习提升了模型性能与训练效率，为低成本、隐私保护的人体感知提供了新方向。

---

2. 思维导图

3. 详细总结

一、研究背景与动机

传统人体姿态估计技术依赖RGB相机、LiDAR或雷达，但存在显著局限，具体如下表所示：