对于2D和3D姿态重构，已经成功实现了使用商品WiFi的人体姿态估计。然而，现有方法集中于固定点的人，因此在人们连续自由移动的日常使用中不方便。最近的一项研究提出了一种可以使用商品WiFi设备捕获细粒度的3D移动人体姿势的系统。首先将处理后的幅度和相位转换为信道状态信息图像。它允许提取包含更多姿势信息但位置分量更少的特征。
然后，专门构建的神经网络将WiFi信号转换为人体姿势。原型系统证实了其精度优于最新方法。建议的方法仅使用六个天线，因此在成本和重量上都超过了现有方法。
在本文中，我们介绍了Wi-Mose，这是第一个使用商品WiFi的3D移动人体姿态估计系统。以前基于WiFi的作品已实现2D和3D姿态估计。这些解决方案要么从一个角度捕获姿势，要么在固定点构建人的姿势，从而阻止了他们在日常场景中的广泛采用。为了重建在整个空间而不是固定点移动的人的3D姿势，我们将幅度和相位融合到可以提供姿势和位置信息的通道状态信息(CSI)图像中。此外，我们设计了一个神经网络以从CSI图像中提取仅与姿势相关的特征，然后将其转换为关键点坐标。实验结果表明，Wi-Mose可以将关键点定位为29.7mm和37。视线(LoS)和非视线(NLoS)场景中的8mm前推力分析平均每关节位置误差(P-MPJPE)均实现了比最新方法更高的性能。结果表明，Wi-Mose可以捕获整个空间中的高精度3D人体姿势。
