Vitrine technologique

Dans notre quotidien, nous sommes environnés de réseaux sans fil qui nous permettent de communiquer avec facilité. Concernant spécifiquement les signaux wi-fi, il s’avère que ceux-ci contiennent suffisamment d’information exploitable pour détecter et reconnaître l’activité humaine, de façon non intrusive, sans qu’il soit nécessaire de déployer un réseau de capteurs supplémentaire.

Les informations sur l’état du canal, qui décrivent comment se propage le signal de l’émetteur vers le récepteur, sont exploitées pour déceler des changements dans les réflexions du signal sans fil, dus à l’interférence des ondes avec le corps d’une personne. L’extraction et l’analyse des caractéristiques de ces flux de données permettent la reconnaissance du comportement humain.

Le projet WIFINE RPM s’attèle à cette reconnaissance passive de l’activité humaine dans les zones intérieures à l’aide de signaux d’opportunité des systèmes wi-fi.

WIFINE RPM fait appel à l’intelligence artificielle pour identifier les évènements. L‘approche utilisée permet d’accélérer l’exécution des algorithmes d’apprentissage automatique.

Toutefois, son avantage principal par rapport aux autres approches réside dans l’utilisation d’un réseau de neurones simplifiés¹ lui permettant de fonctionner en temps réel. WIFINE RPM surpasse les approches traditionnelles basées sur du « deep learning » par sa vitesse d’exécution et son temps d’entrainement millisecondes, tout en gardant un niveau de performance comparable². L’efficacité et la faible consommation d’énergie rendent la technologie embarquable puisque WIFINE RPM peut tourner sur des microprocesseurs standards, présents dans les appareils dotés de la connexion wi-fi.

Cette technologie peut donc être embarquée dans les appareils wi-fi existants et ne nécessite aucun matériel supplémentaire.

1 : après un pré-traitement (filtrage et sous-échantillonnage), le réseau de neurones artificiels léger d’une centaine de nœuds est entrainé de façon supervisée.

2 : les tests montrent que la précision de la reconnaissance du suivi d’activité (se coucher, tomber, marcher, courir, s’assoir, se lever) se situe aux alentours de 96%. Il s’agit selon l’état de l’art constitué en 2021 du meilleur résultat combinant « précision / vitesse d’exécution / vitesse d’entrainement ».

La technologie peut être appliquée à la détection d’événements anormaux pour l’assistance aux personnes âgées, à l’analyse des habitudes dans le comportement d’une famille habitant une maison connectée (domotique). Des applications médicales sont également possibles, par exemple le suivi de la fréquence respiratoire afin d’évaluer la qualité du sommeil.

Finalement, dans le domaine de la surveillance/sécurité, le « wi-fi sensing » pourrait aussi être utilisé pour détecter les attaques ou le comportement suspect ou violent.

Le wi-fi sensing pourrait être utilisé dans le comptage de personnes dans un contexte de transport public.