Comment fonctionne la détection de présence sans téléphone dans une maison intelligente locale ?
La détection de présence sans téléphone fonctionne en déduisant l’occupation à partir de signaux physiques ambiants, comme les mouvements, les réflexions radar, les variations du canal sans fil, les portes, la pression, la consommation électrique ou des combinaisons de ces capteurs.
Elle répond à un problème différent de celui du GPS du téléphone. Elle peut déterminer si quelqu’un est présent, voire parfois quelle pièce est occupée, sans exiger que la personne transporte un appareil suivi. Elle ne peut généralement pas prouver l’identité de cette personne, et sa fiabilité dépend du positionnement des capteurs, de l’immobilité, des animaux domestiques, des interférences et des règles de fusion qui transforment des observations bruitées en état d’occupation.
Des capteurs différents observent des indices physiques différents de présence
Le PIR réagit principalement aux variations des motifs infrarouges produites par des corps chauds en mouvement ; le radar mmWave/FMCW peut détecter des mouvements beaucoup plus faibles et parfois des mouvements de l’ordre de la respiration ; la détection Wi-Fi mesure les variations de propagation radio causées par les personnes qui se déplacent dans l’environnement. Les capteurs de porte et de pression ajoutent des transitions d’état plutôt qu’une preuve continue de présence.
Un ensemble de données radar mmWave FMCW en conditions réelles a été conçu spécifiquement pour la détection respectueuse de la vie privée des actions humaines, notamment dans des contextes de domotique. Il montre pourquoi le radar constitue un signal de présence distinct : le capteur observe l’énergie radio réfléchie au lieu d’exiger un téléphone porté par la personne ou une caméra à lumière visible.
Aucune modalité ne convient à toutes les pièces. Le PIR peut ne pas détecter une personne assise sans bouger ; le radar peut réagir à travers de fines cloisons ou aux ventilateurs et aux rideaux en mouvement selon sa configuration ; la détection Wi-Fi varie avec le positionnement des appareils et les conditions RF. La présence devient plus fiable lorsque le système comprend les angles morts de chaque capteur au lieu de simplement en ajouter d’autres.
La détection Wi-Fi peut transformer les trajets radio existants en signaux d’occupation
Les mesures du canal Wi-Fi changent lorsque des personnes perturbent la propagation par trajets multiples entre les équipements radio. Un modèle local peut classer ces variations sans que la personne ait besoin de transporter le téléphone associé au réseau. Cette détection par l’infrastructure est donc intéressante pour surveiller largement une pièce ou un logement.
Une vaste étude de détection Wi-Fi en conditions réelles, révisée en août 2026, présente une détection Wi-Fi en conditions réelles dans 15 logements et sur des millions d’appareils déployés. Elle identifie les animaux domestiques, l’hétérogénéité matérielle, les interférences entre plusieurs utilisateurs et les limites des ressources en périphérie comme des difficultés pratiques. La précision rapportée de 92,61 % pour les mouvements humains démontre la faisabilité, tout en montrant pourquoi les logements réels sont plus difficiles que les données de laboratoire contrôlées.
L’article connexe de ZimaSpace sur la confusion d’identité des modèles de présence traite de cette limite d’identification. Une perturbation radio peut constituer une preuve solide de la présence d’un être humain sans indiquer à la domotique s’il s’agit du propriétaire, d’un enfant ou d’un invité.
La fusion des capteurs transforme de courtes détections en un état d’occupation stable
Un moteur de présence efficace sépare généralement les indices instantanés de la persistance de l’occupation. L’ouverture d’une porte peut augmenter la probabilité que quelqu’un soit entré ; le PIR peut confirmer un mouvement ; le radar peut maintenir la pièce dans l’état occupé pendant une période d’immobilité ; une longue absence de signaux, combinée à une transition de sortie, peut réinitialiser l’état. La couche de fusion empêche une seule image manquée de faire immédiatement passer la maison en mode « absence ».
Le framework STAR d’IA en périphérie présente une classification de présence en périphérie grâce au traitement local du CSI Wi-Fi et indique une grande précision de présence dans son dispositif expérimental avec un modèle compact. Le point architectural important n’est pas le pourcentage mis en avant, mais le fait que la réduction du bruit, les caractéristiques temporelles et l’inférence locale font partie de la chaîne de détection plutôt que d’être des étapes facultatives après la détection.
La fusion doit rester observable. Enregistrez les capteurs qui ont contribué à chaque transition d’état ainsi que le délai avant la déclaration d’absence. Si une pièce reste occupée parce qu’un canal radar ne se réinitialise jamais, le propriétaire doit pouvoir en voir la cause au lieu de déboguer une étiquette opaque d’« IA de présence ».
La fiabilité dépend de la décision que l’état de présence doit contrôler
L’éclairage peut tolérer une présence détectée à tort de temps à autre, contrairement à une alarme, une serrure ou un système de sécurité fondé sur l’occupation. Définissez des seuils d’acceptation distincts selon les conséquences : les lumières d’une pièce peuvent utiliser une inférence locale rapide, tandis qu’une action de sécurité indiquant que « tout le monde est parti » peut exiger plusieurs signaux indépendants et une fenêtre de confirmation plus longue.
Une étude publiée dans Scientific Reports sur la détection de présence sans contact fondée sur le Wi-Fi utilise les informations d’état du canal, le prétraitement, l’extraction de caractéristiques et la classification pour distinguer les états de présence humaine. Ses résultats rapportés proviennent de ses propres conditions expérimentales, mais le mécanisme renforce un point pratique : la détection de présence sans téléphone dépend toujours de la pièce et de l’environnement radio, et non d’une identité transportée par un téléphone.
Testez la détection de présence sans téléphone avec des résidents assis sans bouger, des invités dépourvus d’appareils enregistrés, des animaux domestiques, des portes qui s’ouvrent sans entrée, des ventilateurs, des conditions nocturnes et plusieurs occupants simultanés. Ne la considérez comme fiable que pour les automatismes dont les taux de faux positifs et de faux négatifs restent acceptables. Conservez les actions dépendant de l’identité sur un signal d’identité distinct au lieu de transformer une occupation anonyme en « la bonne personne est à la maison ».
Produits recommandés
Centre Tech & IA
Plus à lire
Quel est l’effet de la réduction de la fréquence d’échantillonnage des séries temporelles sur la détection des anomalies dans les maisons intelligentes ?
Découvrez comment la largeur des intervalles, l’agrégation, l’anticrénelage, les données manquantes, la durée des événements et la rétention multiscalaire modifient le rappel des anomalies...
Comment une grille d’occupation combine-t-elle de faibles signaux domotiques ?
Découvrez comment les cellules spatiales, les modèles de capteurs, les mises à jour en log-odds, la décroissance, les éléments de preuve corrélés et les...
Quel est l’effet de la normalisation photométrique sur le regroupement de visages privés ?
Découvrez comment la correction de l’éclairage modifie les recadrages de visages, les représentations vectorielles, les distances entre clusters, les seuils, la sur-normalisation et l’évaluation...
