编者按：本文由「图普科技」编译自Doing Computer Vision Without Cameras
人的走路方式，无线电波在人体上的反射，以及人体的热特征信号，都可以使得AI在没有使用摄像头的情况下识别个体身份。
计算机视觉向来是隐私捍卫者的噩梦。这一隐忧体现在人工智能驱动的人脸识别技术（计算机视觉的一种典型应用）的拥趸者与另一部分想法设法利用AI技术避开这种侵入式监视的人之间的冲突日益加剧。
普通摄像头无法透过墙壁观测，这意味着主流计算机视觉在任何摄像头无法拍摄到的空间都难以有所作为。但正如盲人可以使用其他感官来弥补视觉缺陷一样，即使在缺乏视觉输入的情况下，人工智能驱动的计算机视觉平台日益能够做出准确的视觉推断。
从更广泛的意义上讲，计算机视觉正日益包括所有可以转化为视觉模式的传感器输入。 随着前沿人工智能技术的发展，通过身体反射的无线电频率信号，人体四处走动产生的压力和振动以及人体散发的热量模式，来推断出高度精确的视觉图像逐渐成为可能。所有上述描述的方法都可以作为人体的独特标志来“看”你，即使你已经成功地将你的脸部，声音，指纹和基因组隐藏在摄像头难以窥探的地方也无济于事。
图片：Jason Dorfman/MIT CSAIL
不久以后，可能就没有必要为了获得室内和室外场景中足够好的视觉图像而到处安装摄像头了。 下面简要介绍一下研究界最近的创新成果，其中大部分依赖于前沿的AI技术：
WiFi传感姿势识别：即使你独自呆在门窗紧闭的房间，你的身份可能会通过你的身体反射的WiFi信号而暴露出来。正如最近一篇文章中所讨论的那样，麻省理工学院的研究人员开发了一种穿墙式扫描监测器，它可将Wi-Fi，传感器和人工智能算法结合起来，模拟人们在不透明屏障另一侧的活动。这种被称为RF-Pose的技术相当于回声定位，能够根据人体反射的Wi-Fi信号来追踪无法看见的人和其他物体的二维“人物线条画”轮廓。当与走路方式，手势和运动模式识别的AI应用进行相关和交叉训练时，这种方法在83％的情况下都可以识别这些线条画轮廓对应的特定个体。
压力传感步态识别：正如最近的文章中所讨论的，曼彻斯特大学的研究人员已经建立了一个AI驱动的脚步识别系统，可以以近乎完美的准确度感知个人步态的独特模式。这种被称为SfootBD的技术是一种被动传感器，可分析每个人特有的走路方式中的重量分布和步态速度这两大因素以及行走方式的三维度量。他们还将脚步压力信号与通过高分辨率摄像头获得的走路姿势的视觉图像相关联。为了训练人工智能，研究人员通过监测被试者在公共场景下（机场安全检查站和工作场所）和在家中的行走模式，收集了大量的相关数据，包含120多个个体的脚步信号，并使用地面上的压力垫监测每个人的步态。他们还设置了一组冒名顶替者来测试算法，使其能够检测出是否有人试图假冒他人的步态。
热传感活动识别：热传感技术算不上什么新技术，事实上它常用于楼宇自动化，能源管理，安全和门禁系统。 热传感器可检测个体或物体在红外光谱中发出的热量。 新一代超级传感器都支持热传感器输入，它还可以检测声音，振动，光线和电磁活动。 谷歌等公司对能够全面处理所有这些数据的人工智能技术进行了大量投资，从而以精确的精度感应室内和室外场景中的个体及其所从事的活动。
生成式传感视角恢复：正如这篇文章中所讨论的，研究人员正在构建“生成查询网络”的AI模型，可以从多个角度观察视觉场景，然后从任何新的视角对其进行描述。DeepMind是Alphabet旗下一家以人工智能研究为重点的子公司，其构建的人工智能模型可以自动构建数据驱动的视觉图像，甚至可以高度准确地推断部分被遮挡的场景内发生的情况。 DeepMind的研究人员在三个虚拟环境中测试了这种方法：矩形桌面，虚拟机器人手臂和简易迷宫。它使用了生成对抗网络（GAN），其中生成器AI模型构建场景，判别器AI模型评估其合理程度。GAN使用矢量表征有效地构建了场景中的各种细节，包括物体的形状，位置和颜色。
显然，这些工具可以为执法部门，间谍机构和各地的军事机构所用。但这不一定是坏事。 摄像头是一种侵入性工具，在许多对可见性有合法社会需求的环境中无法引入：
• 他们可以帮助警察发现相邻房间里的人是否拥有武器，以及他们具体位于房间何处，从而消除意外因素并最大限度地减少伏击的可能性。
• 他们可以使住宅，办公室或其他建筑物中的每个房间都得到持续监控和安全保护，而不必花费大量费用在整个场地中安装摄像头。
• 他们还可能可以帮助护理人员持续监控老年人，残疾人和处于不同医疗状况的群体的走动情况，而不会发生像持续摄像头监控一样的隐私侵犯。
注：本文由「图普科技」编译，您可以关注微信公众号tuputech，体验基于深度学习的「图像识别」应用。返回搜狐，查看更多
责任编辑：