Señal de zona WiFi en el suelo

El Internet of Things o IoT sigue imparable su avance. Se dice que para el año 2020 ya habrá decenas de miles de millones de dispositivos interconectados, con lo que una de las preocupaciones más acuciantes que existen ahora mismo en la industria -especialmente de cara al diseño de dichos dispositivos- es descubrir cómo integrarlos sin problema en la vida diaria. En este sentido, "enseñar" a las máquinas cómo identificar a los individuos con los que interactúan es de importancia suma. Esto permitirá personalizar todos los aspectos que el IoT promete. Recordemos que por ahora las aplicaciones de dicha tecnología siguen siendo más teóricas que factibles.

Lo que queremos decir con "identificar a los individuos con los que interactúan" es que más allá de tener electrodomésticos interconectados entre sí y a Internet esperando a que alguien los hackee, estos aparatos deberían reconocer al usuario y su interfaz según sus preferencias. Esto ya se ha hecho con el reconocimiento facial de la Xbox One, si bien la tecnología nunca llegó a funcionar de forma precisa y se acabó descartando en favor del uso de comandos de voz -en las primeras unidades vendidas, ya que Microsoft acabó desligando Kinect de su última consola-.

Por ahora existe un buen número de métodos ya propuestos para integrar la identificación humana en los objetos inteligentes, con algunos que van desde lo escabroso e invasivo -como los implantes de chips RFID o el reconocimiento facial- a los limitados e incómodos -como sería el caso de los escáneres de huellas digitales-.

Ahora contaríamos con otro método. Según podemos leer en Motherboard, un equipo de investigadores de la Northwestern Polytechnic University encontró una forma de usar señales WiFi para identificar a seres humanos que se mueven por una sala con una precisión de hasta el 90%.

Dime como rebota la señal WiFi en tu cuerpo y te diré quién eres

Tal y como se puede leer en un documento publicado en arXiv, la novedosa tecnología para conseguir identificar a seres humanos llamada FreeSense utiliza interrupciones causadas por los cuerpos en las señales WiFi para identificar a distintas personas basándose en las formas de sus cuerpos. Esto se consigue monitorizando los datos que se observan en el CSI -nada que ver con la serie- de un router WiFi, o lo que es lo mismo viendo cómo se propaga la señal inalámbrica en un espacio determinado.

Según podemos leer en el documento publicado por el equipo de la NPU, las diferencias entre los cuerpos y sus patrones de movimiento provocan que cada persona pueda tener patrones de influencia distintos sobre señales WiFi mientras se mueve por un espacio cerrado. Esto genera un patrón único en el CSI del dispositivo que emite la señal. Asimismo, aseguran que FreeSense no es intrusivo y que respeta la privacidad de los usuarios comparado con métodos de identificación existentes en la actualidad.

Dicho de otra manera, imaginemos por un momento unos dibujos animados como los del Coyote y el Correcaminos. Cuando el Coyote atravesaba una pared esta se quedaba con su forma. Algo así sucede cuando una persona entra en un campo de señales WiFi: la forma de su cuerpo interfiere con el campo, y después FreeSense mide la forma para reconocer a la persona.

La información del CSI de un dispositivo WiFi cualquiera ya se ha implementado con éxito como sensor de movimiento en otros contextos, como por ejemplo detectar si alguien entra en una habitación o escuchar una conversación de forma remota. Antes de que se llevase a cabo esta investigación ninguna de estas aplicaciones habían ido tan lejos como para identificar con éxito a un ser humano.

Así se probó FreeSense

Los miembros del equipo de investigación de la NPU probaron sus nuevos métodos con un portátil corriente y moliente y un router WiFi que se puede comprar en cualquier parte. Situaron ambos aparatos en un entorno de 30 metros cuadrados configurado como un hogar inteligente, que también incluía los típicos muebles de hogar. Después pidieron a nueve voluntarios que funcionasen como una familia típica que podría vivir en dicho espacio, con el objeto de usar el CSI para identificarlos individualmente conforme se movían por el entorno.

Antes de eso los investigadores "entrenaron" su sistema para que clasificase individuos basándose en 20 muestras de ellos caminando en línea recta por una habitación. Con esta base establecida, esas 20 personas se movieron por el espacio otras 20 veces para probar el sistema.

Mientras el experimento se llevaba a cabo con una persona en la habitación por cada vez, FreeSense consiguió identificar a los voluntarios con una precisión del 75%. Cuando se introducía a dos personas en la habitación el porcentaje de precisión subía hasta el 95%. ¿A qué puede deberse tanta diferencia?

Receptor WiFi de un Raspberry PiReceptor WiFi de un Raspberry Pi / Sho Hashimoto editada con licencia CC 2.0

Según se recoge, en realidad esto es muy simple: cuantas más personas con tipos de cuerpo similares o patrones de movimiento parecidos tengas en el sistema, más difícil le resulta clasificarlos. Los investigadores descubrieron que el número ideal de personas que puede haber en una habitación para que FreeSense funcione está entre 2 y 6 personas, lo que suele coincidir con la mayoría de familias nucleares típicas. La precisión de la tecnología con 6 personas moviéndose por la habitación por cierto, era del 88%.

Ahora que los principios de FreeSense ya se han demostrado válidos, los investigadores esperan mejorar el diseño con pruebas que incluyan a múltiples individuos en una habitación al mismo tiempo, así como viendo cómo al incrementar la distancia entre el receptor y el emisor WiFi afecta a la precisión de la identificación.

Arkangel editada con licencia CC BY-SA 2.0

Relacionados

Nos encanta escucharte ¿Nos dejas tu opinión?