La re-identificación de personas (re-ID) es un campo en constante desarrollo, con aplicaciones que van desde la seguridad hasta el análisis de multitudes. En este contexto, tecnologías emergentes como WhoFi, que utilizan señales de Wi-Fi en lugar de imágenes, abren nuevas posibilidades para abordar esta tarea sin depender de cámaras tradicionales.
Tradicionalmente, esto se ha logrado mediante cámaras de video. Sin embargo, surge la pregunta: ¿qué pasaría si pudiéramos identificar a las personas sin necesidad de una línea de visión directa, e incluso a través de paredes?
El reciente trabajo de Danilo Avola, Daniele Pannone, Dario Montagnini y Emad Emam, titulado «WhoFi: Deep Person Re-Identification via Wi-Fi Channel Signal Encoding«, presenta un enfoque novedoso. Este sistema aprovecha el canal de Información de Estado (CSI) de las señales Wi-Fi para la re-identificación de individuos mediantes las ondas de Wi-Fi.
WhoFi tiene una gran ventaja sobre los métodos tradicionales, ya que no depende de factores como la iluminación, las oclusiones o la privacidad facial. Esto lo convierte en una alternativa más robusta y menos intrusiva; sin embargo, requiere la verificación del individuo, o bien conocer su patrón.
Imaginemos cómo actúa WhoFi: la estela invisible
En términos simples, WhoFi permite de identificar a las personas a partir de cómo alteran las señales Wi-Fi que las rodean. A diferencia de las cámaras, que necesitan ver a la persona, este sistema interpreta los pequeños cambios que cada individuo genera en la señal de Wi-Fi a su alrededor.
Es como si el Wi-Fi fuera un «mar invisible de ondas electromagnéticas». Cada persona, al moverse, deja una «estela» o «huella» única en las ondas, muy similar a cómo un barco deja una estela en el agua.
Esto significa que WhoFi puede «ver» a la gente incluso en la oscuridad o a través de obstáculos. Además, ofrece mayor privacidad que una cámara, ya que no se basa en la apariencia física de la persona.
¿Cómo Funciona WhoFi con señales Wi-Fi?
WhoFi se basa en la idea de que cada persona perturba las señales Wi-Fi de una manera única al moverse dentro de en entornos con este tipo de señales. Estas perturbaciones son capturadas por el CSI, que proporciona información sobre cómo la señal viaja desde el transmisor al receptor.
Los investigadores han desarrollado un método para codificar estas complejas señales del CSI en representaciones. Estas representaciones pueden ser utilizadas por redes neuronales profundas.
Para poder procesar toda la data en tiempo real, es necesario usar modelos de aprendizaje profundo que pueden aprender a diferenciar los patrones únicos en los datos del CSI asociados con las diferentes personas en la zona de análisis.
Esto permite a WhoFi crear una huella electromagnética única, basada en cómo cada individuo perturba la señal Wi-Fi al moverse, facilitando su identificación incluso cuando no está a la vista.
Dentro del sistema: así interpreta WhoFi las señales Wi-Fi
Detrás de su simplicidad conceptual, WhoFi integra un procesamiento técnico complejo basado en el análisis del CSI, capaz de identificar alteraciones únicas en las señales Wi-Fi.
Luego, este CSI se transforma en representaciones adecuadas para el aprendizaje profundo. Los modelos suelen incluir combinaciones de redes neuronales convolucionales (CNNs), que son especialmente hábiles para detectar patrones espaciales y jerárquicos en los datos, permitiendo extraer características relevantes de las señales Wi-Fi.
Piensa en las CNNs como detectives visuales: son especialmente hábiles para detectar patrones espaciales y jerárquicos en los datos, permitiendo extraer características relevantes de las señales Wi-Fi, como si buscaran «formas» o «texturas» en las perturbaciones de la onda.
Modelos secuenciales y atención: tres enfoques comparados
Adicionalmente, integran redes recurrentes (como LSTMs), que sobresalen en el procesamiento de secuencias y en recordar información a largo plazo (esencial para entender el movimiento en el tiempo), o transformadores para capturar la naturaleza secuencial y temporal de las señales de movimiento.
En este caso, las LSTMs actúan como historiadores de los datos: pueden seguir la evolución de la «estela» (en referencia a la analogía del comienzo) de Wi-Fi de una persona a lo largo del tiempo, recordando cómo se movió antes para predecir o entender su movimiento actual. También pueden usar transformadores para capturar la naturaleza secuencial y temporal de las señales de movimiento de manera similar.
Los investigadores evalúan el rendimiento de WhoFi utilizando el dataset público NTU-Fi, diseñado para tareas de re-identificación de personas mediante señales Wi-Fi, esta data es usada para simular situaciones reales.
Los resultados muestran que el modelo Transformer supera ampliamente a las arquitecturas recurrentes previas. A continuación se presentan los principales valores obtenidos en métricas estándar de re-identificación:
Aplicaciones prácticas y limitaciones
Aún en fase de investigación, WhoFi muestra un potencial realista para tareas de monitoreo en escenarios donde otras tecnologías fallan o resultan intrusivas. Su enfoque basado en señales Wi-Fi le permite operar sin cámaras, preservando la privacidad, pero su funcionamiento también depende de condiciones específicas de conectividad y entorno.
Aplicaciones prácticas:
- Sistemas de seguridad en entornos con humo, niebla o sin línea de visión directa.
- Vigilancia pasiva en edificios, sin captación de imágenes ni datos sensibles.
- Asistencia domiciliaria inteligente, adaptando espacios según el patrón de movimiento de los residentes.
- Monitoreo en instalaciones industriales o militares con condiciones visuales comprometidas.
- Complemento a sensores infrarrojos en tareas de detección redundante o crítica.
Limitaciones operativas:
- Requiere una red Wi-Fi activa y adecuadamente distribuida en el entorno a monitorear.
- No es funcional en espacios sin infraestructura inalámbrica o con conectividad mínima.
- Su precisión puede verse afectada por interferencias o variaciones extremas en la red.
- La implementación práctica requiere calibración específica para cada entorno físico.
¿Está WhoFi marcando el inicio de una nueva generación de tecnologías invisibles que vigilan sin ver? ¿Te sentirías más cómodo con sistemas que no usan cámaras, pero aún pueden saber dónde estás?
