近日发布的论文《DensePose From WiFi》中，三位来自来自CMU的研究者表达了这一结论。同时根据实验过程中所获得的相关数据，环境光线与信号遮挡对室内监控的WiFi解决方案影响甚微。虽然在过去的几年间，由于自动驾驶和VR技术的广泛应用，通过2D或者3D传感器进行人体姿态估计取得较大进展，但传感器所具备的超高成本以及在日常情境下的较大用电需求都让人望而却步。至于RGB相机则更不必说，由于技术限制其不仅对使用场景（光线、视野、障碍物等）有着十分苛刻的要求，同时在隐私保护方面的需求满足基本为0，完全无法在非公共场所推广这种技术。
继2018年MIT CSAIL的研究者通过结合WiFi信号和深度学习实现隔墙人体姿态估计之后，如今CMU的研究员仅使用WiFi信号就解决了遮挡以及人员密集问题，实现对人体姿态的观测。同时由于目前WiFi已广泛安装在各个家庭中，所以这项技术便有了向对老人健康进行监控，以及对家庭安全进行危险识别的可能。
在实验过程中，研究者主要想解决如下问题：对于给定的三个WiFi发射器以及与之对应的三个接收器，能够实现在多人且复杂的环境中，对人体姿态进行有效监测和复原。但在这里有问题需要注意，目前有很多WiFi的路由器是有三根天线构成，因此这为本次实验提供了便利：即通过两个三天线路由器便可满足实验要求。这进一步降低了相关成本，每个实验路由器的价格约为30美元，相较于LiDAR和雷达系统，仍然有着价格优势。
为了实现效果，研究者通过在计算着视觉的深度学习架构中所得到的启发，提出一种架构。此架构基于WiFi执行密集姿态估计的神经网络，成功实现在有遮挡和多人情况下，仅通过WiFi信号就完成估计密集姿态。
