Come usare il segnale WiFi per identificare le persone dalla loro forma

Sono moltissimi gli analisti che pensano che entro il 2020 l'Internet of Things vedrà collegati decine di miliardi di dispositivi—Proprio per questo motivo, uno degli aspetti di design più importanti per i prodotti connessi a internet riguarda il cercare di capire come integrare in maniera discreta queste nuove funzioni con la vita di tutti i giorni. A questo proposito, insegnare alle macchine a riconoscere la persona che sta interagendo con loro è una priorità assoluta. Questa evoluzione permetterà una personalizzazione totale di tutto ciò che l'Internet of Things ci ha e ci sta promettendo. Invece che aspettare che i nostri frigoriferi intelligenti e le nostre lampadine connesse a internet vengano inevitabilmente hackato, questi dispositivi saranno capaci di capire chi siede di fronte a loro e potranno mutare le loro funzioni in base alle preferenze della persona (questa caratteristica è già stata provata sul mercato da Xbox One, che la effettua attraverso il riconoscimento facciale).

Sono diversi i metodi che sono stati proposti per integrare il riconoscimento degli esseri umani nei dispositivi smart: alcuni più inquietanti e invasivi (come i chip RFID o il riconoscimento facciale), fino a metodi ben più limitati e antiquati (con gli scanner delle impronte digitali). Nella ricerca di un metodo di identificazione umana efficace ma non invasivo, un gruppo di ricercatore della Northwestern Polytechnic University hanno trovato un modo di usare il segnale WiFi per identificare gli individui che si muovono in una stanza—Arrivando a registrare un tasso di precisione del 90 percento.

Come spiegato dettagliatamente dal team in un paper pubblicato su arXiv all'inizio di questo mese, il loro innovativo approccio all'identificazione umana—che hanno chiamato FreeSense—sfrutta le interruzioni nelle onde Wifi per identificare gli individui sulla base della forma del loro corpo e i loro pattern di movimento. Questo risultato è raggiunto monitorando i cambiamenti nel channel state informazion (CSI) del WiFi preso in esame—Si tratta di un modo più tecnico per definire l'analisi dei dati che spiegano come quella determinata onda WiFi si sta propagando in un certo spazio.

"A causa della differenza tra le forme dei corpi e dei pattern di movimento, ogni persona che si muove in uno spazio chiuso può avere uno specifico pattern di influenze sui segnali WiFi che la circondano, generando così uno specifico pattern di modifiche sul CSI di un dispositivo WiFi," ha scritto il team nel report pubblicato. "FreeSense… è un metodo non intrusivo e rispettoso della privacy se paragonato agli attuali metodi esistenti [di identificazione umana]."

Il channel state information del segnale WiFi è già stato usato con successo come sensore di movimento in altri contesti, come per la rilevazione di cadute in una stanza o per sentire ciò le persone dicono quando parlano. Prima di questa ricerca, nessuna di queste applicazioni era stata capaci di sfruttare il CSI del WiFi per identificare le persone.

Per testare il nuovo metodo, i membri del team hanno usato un normale laptop e un router WiFi da scaffale in un "ambiente smart home" da 30 metri quadrati fornito di tutto il mobilio tradizionale. I nove volontari sfruttati nell'esperimento erano chiamati a comportarsi come una tipica famiglia che deve interagire con la smart home: l'obiettivo era di sfruttare il CSI del WiFi per identificare questi individui.

Per cominciare, i ricercatori hanno addestrato il loro sistema a classificare gli individui sulla base di 20 campioni di loro che camminano in uno spazio lungo una linea retta. Una volta innestata nella macchina questa "massa critica", gli individui hanno deambulato nello spazio per altre 20 volte per testare il sistema.

Durante la prova (svolta con una persona alla volta nella stanza), il sistema è stato capace di raggiungere un tasso di precisione del 75 percento nell'identificarli; quando si è trattato di testare il sistema su due individui, FreeSense ha migliorato le sue prestazioni raggiungendo un tasso di precisione del 95 percento. La differenza nei risultati è semplice da spiegare: maggiore è il numero di persone da identificare, maggiori sono le probabilità che due persone abbiano forma e pattern di movimenti simili e dunque maggiore sarà la difficoltà incontrata dal sistema per identificare gli individui.

Ciononostante, il team ha scoperto che il numero ideale di persone che il sistema può identificare con efficienza è tra le 2 e le 6, numero perfettamente in linea con il volume di un nucleo famigliare tradizionale—Con 6 persone in movimenti nel sistema, il tasso di precisione si aggirava comunque attorno ad un ottimo 88 percento.

Ora che il principio base di FreeSense è stato dimostrato, i ricercatori sperano di migliorarne il design testandolo in ambienti con più persone in movimento nello stess momento, per cercare di capire come aumentare la distanza tra il ricevutori e il trasmettitore WiFi influenzi la precisione del riconoscimento.