davidakpele/wifi-densepose
Production-ready implementation of InvisPose - a revolutionary WiFi-based dense human pose estimation system that enables real-time full-body tracking through walls using commodity mesh routers
解決的問題
WiFi DensePose提供了一種無需使用攝影機即可進行人體姿勢估計的方法。透過利用WiFi訊號，它提供了一種注重隱私的替代方案，用於即時追蹤人體動作和姿勢，這在攝影機具有侵入性或被禁止的環境中特別有用。
運作方式
該系統使用來自標準WiFi路由器和存取點的通道狀態資訊（CSI）。它透過由CSI資料收集器、用於去除雜訊的相位清理器，以及將訊號資料轉換為人體姿勢關鍵點的DensePose神經網路所組成的管線來處理這些訊號。多人追蹤器隨後會維持跨幀的個人身份。結果透過REST API或WebSocket串流傳遞，以用於即時應用。
適用對象
此工具專為在醫療保健（例如跌倒偵測）、健身（例如姿勢分析）、智慧家庭自動化和安全監控領域工作的開發人員和組織而設計。
重點特色
- 隱私優先：使用WiFi訊號而非視覺攝影機來偵測姿勢。
- 即時效能：以低於50毫秒的延遲實現30 FPS的姿勢估計。
- 多人支援：能夠同時追蹤多達10個人。
- 硬體無關：相容於各種標準WiFi路由器和支援CSI的網路卡。
- 全面分析：內建跌倒偵測、活動辨識和佔用監控功能。
相關
- 專案cvignac/DiGress
使用 Graph Transformer 架構的離散去噪擴散模型，用於生成合成圖和分子結構。
- 專案hku-mars/GS-SDF
一個結合了 Gaussian Splatting 與神經符號距離場 (SDF) 的 LiDAR 增強型系統，旨在實現幾何學上一致的、照片級寫實的渲染與 ................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................thought: 3D surface reconstruction.
- 專案hysts/anime-face-detector
一個基於 PyTorch 的工具，用於偵測動畫臉部並使用預訓練的 Faster R-CNN、YOLOv3 與 HRNetV2 模型估計 28 個臉部特徵點。
- 專案Pointcept/Concerto
一種用於從 3D 點雲中提取高品質空間表示的聯合 2D-3D 自監督預訓練 Point Transformer V3 模型。