한 줄 요약: 와이파이 반사 신호를 딥러닝으로 분석해 카메라 없이 벽 너머 사람의 자세·심박수를 읽는 WiFi Sensing은 MIT RF-Pose 이후로 실제 존재하는 기술이다 — 다만 이 릴스 시연의 신빙성은 별개로 확인되지 않았다.

한 릴스가 화제입니다. 손바닥만 한 마이크로컨트롤러 보드 하나로 와이파이 신호를 읽어, 벽 너머 사람의 3D 자세와 심박수·호흡수를 실시간으로 그려낸다는 시연 영상입니다. 모니터에는 움직이는 사람의 3D 아바타와 함께 ‘Heart Rate 85 BPM’, ‘Respiration 18 RPM’ 같은 바이탈 사인이 그래픽으로 표시됩니다. 카메라 렌즈 없이, 공간에 퍼진 와이파이 신호만으로 사람을 본다는 이야기입니다.

댓글창은 반반입니다. “독거노인 낙상 감지에 쓸 수 있겠다”는 반응도 있지만, “가짜 더미 프로젝트로 판명된 지가 언젠데”라는 회의적 댓글도 달립니다. 와이파이로 사람을 본다는 기술이 실제로 존재하는 건지, 그리고 이 릴스의 시연은 진짜인지, 두 질문을 나누어 풀어 설명하겠습니다.

WiFi Sensing: 와이파이 신호로 사람을 감지한다는 뜻

WiFi Sensing(와이파이 센싱)은 와이파이 무선 신호가 사람 몸에 부딪혀 굴절·산란되는 패턴을 분석해 사람의 존재·움직임·자세를 알아내는 기술입니다. 핵심 전제는 단순합니다. 와이파이 주파수(수 GHz)는 벽을 통과하고, 사람 몸에 반사됩니다. 사람이 움직이거나 숨을 쉴 때 흉부가 미세하게 움직이면, 신호의 산란 패턴도 미세하게 바뀝니다. 이 변화를 잡아내면 카메라 없이도 사람을 감지할 수 있습니다.

광학 카메라와 비교해 장점이 있습니다. 빛이 닿지 않는 어둠 속에서도 되고, 벽 너머에서도 되며, 무엇보다 영상을 찍지 않으므로 사생활 침해 우려가 적습니다. 그래서 노인 낙상 감지, 수면 무호흡증 모니터링 같은 헬스케어·스마트홈 분야에서 연구되는 기술입니다.

RF-Pose와 DensePose: 벽 너머 자세 추정의 학술적 근거

이 기술이 갑자기 나온 건 아닙니다. 2018년 MIT 컴퓨터과학·인공지능연구소(CSAIL)의 Dina Katabi 팀은 RF-Pose를 발표했습니다(CVPR 2018). 와이파이 주파수 대역의 저출력 무선 신호(WiFi 출력의 1000분의 1)를 쏘아 반사파를 분석해, 벽 너머 사람의 2D 골격 자세를 추정하는 연구입니다. 사람이 보이는 장면에서는 시각 기반 자세 추정 모델과 거의 비슷한 정확도를 내고, 벽 너머에서도 자세를 잡아냅니다. 시각 모델은 벽 뒤에서 완전히 실패하는 반대 결과입니다.

2023년에는 카네기멜런(CMU) 연구진이 DensePose from WiFi(arXiv:2301.00250)를 발표해, 와이파이 CSI 데이터로 사람 체표면의 밀집 자세(DensePose UV 좌표)까지 추정했습니다. 즉 “와이파이로 사람 자세를 본다”는 아이디어 자체는 학회에 발표되고 재현되는 진짜 연구 분야입니다.

CSI: 와이파이 신호에서 정밀 정보를 꺼내는 핵심

릴스에서 ’전파 신호의 왜곡을 분석한다’고 하는데, 그 원천 데이터가 CSI(Channel State Information, 채널 상태 정보)입니다. 일반 와이파이 수신기가 쓰는 RSSI(신호 세기, 단일 숫자)와는 차원이 다릅니다. CSI는 신호를 주파수 축의 여러 서브캐리어(sub-carrier)로 쪼개 각각의 진폭과 위상을 기록합니다. 56개에서 192개까지 서브캐리어별로 복소수 값을 저장하므로, 사람 움직임이 일으키는 미세한 신호 변화까지 잡아냅니다.

이게 핵심 제약입니다. 일반 소비자용 와이파이 노트북은 RSSI만 노션하고 CSI는 꺼내지 않습니다. CSI를 쓰려면 CSI 캡처가 가능한 하드웨어, 즉 ESP32-S3 같은 특정 칩셋에 맞춤 펌웨어를 올리거나 Intel 5300·Atheros AR9580 같은 연구용 네트워크 카드가 필요합니다. “노트북 와이파이로 사람 자세를 본다”는 말은 대개 과장이거나 조잡한 presence 감지 수준입니다.

ESP32: 손바닥만 한 칩으로 가능한가

릴스가 보여준 ’손바닥만 한 보드’는 아마 ESP32 계열 마이크로컨트롤러일 가능성이 큽니다. 댓글에서도 ’ESP32D 저도 갖고 있죠’라는 반응이 나옵니다. ESP32는 수천 원대($8)의 와이파이·블루투스 칩으로, CSI 캡처를 지원하는 펌웨어를 올리면 2028Hz로 서브캐리어별 CSI 데이터를 뽑아낼 수 있습니다. RuView 같은 오픈소스 프로젝트는 ESP32-S3 메시(3~6대)로 pose·breathing·heartbeat 감지까지 시연합니다.

하드웨어 비용은 이 기술이 ’싸게 될 수 있다’는 강점입니다. 카메라 시스템 한 대당 수십만 원인 데 비해 ESP32 몇 개면 수만 원대입니다. 다만 단일 ESP32 한 대만으로 ’벽 너머 3D 자세 + 심박수’까지 정확히 잡아낸다는 건 학술 측정값으로 보면 회의적입니다. 정확한 자세 추정은 보통 다수 노드(mesh)의 신호를 융합하는 설정에서 이뤄집니다.

심박수와 호흡수: 흉부의 미세 움직임에서 추출

심박수·호흡수 감지는 자세 추정보다 더 단순한 원리로 가능합니다. 호흡(분당 630회)은 흉부가 0.10.5Hz 주기로 움직이고, 심박(분당 40120회)은 0.82.0Hz의 미세 움직임을 만듭니다. CSI 위상(phase) 변화를 이 주파수 대역으로 대역통과필터(bandpass filter)로 거른 뒤 FFT(고속 푸리에 변환)로 피크를 찾으면 심박수와 호흡수를 추정합니다.

이 부분은 실제로 정지한 사람에게서 꽤 잘 되는 편입니다. 다만 움직이는 사람에게서는 큰 움직임이 작은 생체 신호를 가려 오차가 커지고, 심박수는 ‘실험적(experimental)’ 단계로 분류하는 연구가 많습니다. “의료용이 아니다”라는 주의가 붙는 이유입니다.

교차 모달 학습: 라벨링 안 된 신호를 가르치는 방식

이 기술의 재미있는 점은 학습 방식입니다. RF 신호는 사람이 직접 라벨링하기 거의 불가능합니다. 어디가 머리인지 팔인지를 무선 파형만 보고 찍을 수 없으니까요. MIT RF-Pose는 이 문제를 교차 모달 학습(cross-modal supervision)으로 풀었습니다. 카메라와 무선 센서를 같이 달아놓고, 카메라로 찍은 영상에서 자세를 추출해(이건 시각 모델이 잘합니다) 무선 신호에 ’정답’으로 가르칩니다. 학습이 끝나면 무선 신호만으로 자세를 추정합니다.

재미있는 결과: 벽 너머 장면은 학습에 한 번도 안 넣었는데도 벽 너머에서 자세가 잡힙니다. RF 신호에게 벽은 신호 세기를 약화시킬 뿐 신호 구조는 유지하므로, 공간 불변으로 학습한 모델이 자연스럽게 일반화한 결과입니다. “학생이 선생을 넘었다”고 MIT 측이 표현한 대목입니다.

이 릴스, 진짜일까: 신빙성 점검

기술은 진짜지만, 이 릴스의 시연 영상이 진짜인지는 별개 문제입니다. 점검할 점이 있습니다.

첫째, 댓글에 “가짜 더미 프로젝트로 판명된 지가 언젠데”라는 회의가 있습니다. 인터넷에 떠도는 ’와이파이로 벽 뒤를 본다’는 데모 영상 중 일부는 실제 감지 결과가 아니라 사전에 만들어둔 가짜 아바타를 재생한 것으로 드러난 적이 있습니다. 이 릴스가 그런 종류인지는 영상 출처와 구현 링크가 없으므로 단정할 수 없습니다.

둘째, 비슷한 오픈소스 프로젝트(RuView 등)도 스스로 측정값을 정정한 이력이 있습니다. v1에서 ’presence 정확도 100%’이라고 홍보했던 수치가, 사실은 잠자는 한 사람을 하룻밤 찍은 단일 클래스 녹음(6,063 프레임 중 6,062가 ‘있음’)이라서 “무조건 ’있다’라고 답해도 99.98%가 나오는 수치”였음을 뒤늦게 공개 정정했습니다. 카메라 없는 자세 추정은 ’2.5% PCK@20’으로, 카메라 라벨을 넣으면 크게 좋아지는 수준입니다.

셋째, 릴스에 보이는 것 기준으로는 ’ESP32 보드 한 개 + 모니터의 3D 아바타 + 85 BPM 숫자’입니다. 이게 실시간 CSI 처리의 진짜 결과인지, 아니면 시연용으로 합성된 영상인지는 보이는 것만으로는 알 수 없습니다. 정직하게 말하면 모르는 부분입니다.

다만 와이파이 인간 감지 기술 전체를 가짜로 치부할 근거는 아닙니다. 학회 논문(CVPR, SIGCOMM, MobiCom 등)과 공개 데이터셋(MM-Fi, Wi-Pose)으로 검증된 연구 분야이며, MIT 팀은 파킨슨병·MS 환자 모니터링을 의료진과 협업해 실제 시도하고 있습니다.

어떻게 연결되는가

한 줄로 요약하면: 와이파이 신호가 사람 몸에 반사되는 패턴을 딥러닝으로 분석해, 카메라 없이 벽 너머 자세와 심박수까지 읽는 WiFi Sensing은 MIT RF-Pose 이후로 진짜 연구 분야로 자리 잡았다는 이야기입니다. CSI 데이터·ESP32 칩·교차 모달 학습·대역통과필터가 함께 작동해 만들어낸 결과입니다.

다만 이 특정 릴스의 시연이 그 연구의 정확한 구현인지는 확인되지 않았습니다. 댓글의 회의와 비슷한 프로젝트의 측정값 정정 이력을 보면, “기술은 진짜, 영상은 검증 필요”로 보는 게 안전합니다. 이 기술이 진짜로 스마트홈·헬스케어에 들어오려면, 남은 과제는 ’가짜 시연이 아닌 재현 가능한 오픈 구현’과 ’의료 등급의 검증’을 보여주는 일입니다.

출처: MIT CSAIL RF-Pose 프로젝트 · Through-Wall Human Pose Estimation Using Radio Signals (CVPR 2018) · MIT News — AI senses people through walls (2018) · CMU DensePose from WiFi (arXiv:2301.00250) · RuView WiFi DensePose 오픈소스 (한계 명시)