Come funziona il rilevamento della presenza senza telefono in una casa intelligente locale?
Il rilevamento della presenza senza telefono funziona deducendo l’occupazione da segnali fisici ambientali, come movimento, riflessi radar, variazioni del canale wireless, porte, pressione, consumo energetico o combinazioni di questi sensori.
Questo risolve un problema diverso dal GPS del telefono. Può rispondere a domande come «c’è qualcuno qui?» o, talvolta, «quale stanza è occupata?», senza richiedere alla persona di portare con sé un dispositivo tracciato. Di solito non può dimostrare chi sia quella persona e l’affidabilità dipende dal posizionamento dei sensori, dall’immobilità, dalla presenza di animali domestici, dalle interferenze e dalle regole di fusione che trasformano osservazioni rumorose in uno stato di occupazione.
Sensori diversi osservano prove fisiche diverse della presenza
Il PIR reagisce principalmente ai cambiamenti nei pattern infrarossi prodotti da corpi caldi in movimento; il radar mmWave/FMCW può rilevare movimenti molto più piccoli e, talvolta, movimenti della scala della respirazione; il rilevamento Wi-Fi misura i cambiamenti nella propagazione radio causati dai corpi che si muovono nell’ambiente. I sensori per porte e pressione aggiungono transizioni di stato anziché prove continue della presenza.
Un dataset di radar mmWave FMCW raccolto nel mondo reale è stato creato appositamente per il rilevamento rispettoso della privacy delle azioni umane, anche in contesti di automazione domestica. Mostra perché il radar sia un segnale di presenza distinto: il sensore osserva l’energia radio riflessa, senza richiedere che la persona porti con sé un telefono o che venga ripresa da una videocamera a luce visibile.
Nessuna singola modalità è la migliore in ogni stanza. Il PIR può non rilevare una persona seduta immobile; il radar può reagire attraverso pareti sottili o a ventilatori e tende in movimento, a seconda della configurazione; il rilevamento Wi-Fi varia in base al posizionamento dei dispositivi e alle condizioni RF. La presenza diventa più affidabile quando il sistema comprende i punti ciechi di ciascun sensore, invece di limitarsi ad aggiungerne altri.
Il rilevamento Wi-Fi può trasformare i percorsi radio esistenti in segnali di occupazione
Le misurazioni del canale Wi-Fi cambiano quando le persone alterano la propagazione multipath tra le radio. Un modello locale può classificare questi cambiamenti senza che la persona debba portare con sé il telefono associato alla rete. Questo rende il rilevamento basato sull’infrastruttura interessante per il monitoraggio esteso di stanze o abitazioni.
Un ampio studio sul rilevamento Wi-Fi nel mondo reale, revisionato nell’agosto 2026, analizza il rilevamento Wi-Fi nel mondo reale in 15 abitazioni e su milioni di dispositivi installati, individuando come difficoltà pratiche la presenza di animali domestici, l’eterogeneità dell’hardware, le interferenze tra più utenti e i limiti delle risorse edge. L’accuratezza del 92,61% riportata per il rilevamento del movimento umano dimostra la fattibilità, mostrando al contempo perché le abitazioni reali siano più complesse dei dati raccolti in laboratorio controllato.
L’articolo correlato di ZimaSpace sulla confusione dell’identità nei modelli di presenza analizza il limite dell’identità. Un’alterazione radio può essere una prova solida della presenza di una persona senza dire all’automazione se si tratti del proprietario di casa, di un bambino o di un ospite.
La fusione dei sensori trasforma brevi rilevamenti in uno stato stabile di occupazione
Un efficace motore di rilevamento della presenza separa generalmente le prove istantanee dalla persistenza dell’occupazione. L’apertura di una porta può aumentare la probabilità che qualcuno sia entrato; il PIR può confermare il movimento; il radar può mantenere la stanza nello stato occupato durante l’immobilità; una lunga assenza di segnali, insieme a una transizione di uscita, può cancellare lo stato. Il livello di fusione impedisce che un singolo fotogramma mancante porti immediatamente la casa nello stato «assente».
Il framework STAR per l’edge AI dimostra la classificazione edge della presenza con elaborazione locale del CSI Wi-Fi e riporta un’elevata accuratezza nel rilevamento della presenza nella propria configurazione sperimentale, utilizzando un modello compatto. L’aspetto architetturale importante non è la percentuale principale, ma il fatto che riduzione del rumore, caratteristiche temporali e inferenza locale facciano parte della pipeline di rilevamento, anziché essere passaggi facoltativi successivi al rilevamento.
La fusione dovrebbe rimanere osservabile. Registra quali sensori hanno contribuito a una transizione di stato e quanto tempo attende il sistema prima di dichiarare l’assenza. Se una stanza rimane occupata perché un canale radar non torna mai allo stato libero, il proprietario dovrebbe poter visualizzare la causa invece di dover analizzare un’etichetta opaca come «presenza AI».
L’affidabilità dipende dalla decisione che lo stato di presenza deve controllare
L’illuminazione può tollerare una presenza falsamente rilevata occasionale più di quanto possano fare un allarme, una serratura o un sistema di sicurezza basato sull’occupazione. Definisci soglie di accettazione separate in base alle conseguenze: le luci di una stanza possono usare un’inferenza locale rapida, mentre un’azione di sicurezza basata sul fatto che «tutti siano usciti» può richiedere più segnali indipendenti e una finestra di conferma più lunga.
Uno studio di Scientific Reports sul rilevamento della presenza senza contatto basato sul Wi-Fi utilizza informazioni sullo stato del canale, preelaborazione, estrazione delle caratteristiche e classificazione per distinguere gli stati di presenza umana. I risultati riportati provengono dalle sue condizioni sperimentali, ma il meccanismo rafforza un punto pratico: la presenza senza telefono dipende comunque dall’ambiente della stanza e da quello radio, non dall’identità trasmessa da un dispositivo portatile.
Testa il rilevamento della presenza senza telefono con residenti seduti immobili, ospiti privi di dispositivi registrati, animali domestici, porte che si aprono senza che nessuno entri, ventilatori, condizioni notturne e più persone presenti contemporaneamente. Definiscilo affidabile solo per le automazioni i cui tassi di falsi positivi e falsi negativi rimangono accettabili. Mantieni le azioni dipendenti dall’identità su un segnale di identità separato, invece di trasformare l’occupazione anonima in «la persona giusta è a casa».
Prodotti consigliati
Hub Tecnologico e AI
Altro da leggere
In che modo il downsampling delle serie temporali influisce sul rilevamento delle anomalie nelle smart home?
Scopri come la larghezza dei bucket, l'aggregazione, l'anti-aliasing, i dati mancanti, la durata degli eventi e la conservazione multiscala modificano il tasso di rilevamento...
In che modo una griglia di occupazione combina segnali deboli della casa intelligente?
Scopri come le celle spaziali, i modelli dei sensori, gli aggiornamenti log-odds, il decadimento, le evidenze correlate e le soglie trasformano i deboli segnali...
In che modo la normalizzazione fotometrica influisce sul clustering privato dei volti?
Scopri come la correzione dell’illuminazione modifica i ritagli dei volti, gli embedding, le distanze tra i cluster, le soglie, l’eccessiva normalizzazione e la valutazione...
