Vision Awareness
CCTV memberi detail visual ketika objek terlihat.
CCTV provides rich visual detail when the subject is visible.
対象が見えるとき、CCTVは詳細な視覚情報を提供します。
Inisiatif Riset • Dimulai 19 Agustus 2026Research Initiative • Initiated 19 August 2026研究イニシアチブ • 2026年8月19日開始
BR WiVisionBeyond Camera.
Kecerdasan multimodal untuk mendeteksi keberadaan, aktivitas, dan kejadian abnormal—bahkan ketika pandangan kamera terhalang—melalui fusi CCTV, Wi‑Fi CSI, constraint-aware AI, dan edge computing.
Multimodal intelligence for detecting human presence, activity, and abnormal events—even when the camera view is obstructed—by fusing CCTV, Wi‑Fi CSI, constraint-aware AI, and edge computing.
CCTV、Wi‑Fi CSI、制約認識AI、エッジコンピューティングを融合し、カメラの視界が遮られても、人の存在、活動、異常事象を検知するマルチモーダル・インテリジェンスです。
Wi‑Fi Channel State Information
Human presence DETECTED
01 / The Question
Ketika kamera tidak dapat melihat, apakah sistem harus berhenti memahami?When the camera cannot see, should the system stop understanding?カメラが見えないとき、システムは理解を止めるべきでしょうか。
CCTV kehilangan informasi ketika ruangan gelap, objek tertutup, sudut pandang terbatas, atau manusia berada di balik partisi. Namun gelombang Wi‑Fi tetap berinteraksi dengan tubuh dan lingkungan. BR WiVision menjadikan perubahan sinyal itu sebagai sumber kecerdasan pendamping, bukan sebagai foto.
CCTV loses information in darkness, occlusion, blind spots, or behind partitions. Wi‑Fi waves still interact with people and the environment. BR WiVision treats these signal changes as complementary intelligence—not as photographs.
暗闇、遮蔽、死角、間仕切りの背後では、CCTVは情報を失います。しかしWi‑Fi波は人や環境と相互作用し続けます。BR WiVisionは、その信号変化を写真ではなく補完的な知能として扱います。
RF Awareness
Wi‑Fi CSI menangkap perubahan amplitudo dan fase akibat keberadaan serta gerakan manusia.
Wi‑Fi CSI captures amplitude and phase changes caused by human presence and motion.
Wi‑Fi CSIは、人の存在や動きによる振幅と位相の変化を捉えます。
Contextual Intelligence
Constraint-aware AI memeriksa urutan, durasi, lokasi, dan konsistensi sebelum memberi peringatan.
Constraint-aware AI checks sequence, duration, location, and consistency before raising an alert.
制約認識AIは、警告前に順序、継続時間、位置、一貫性を確認します。
“Bukan melihat tubuh di balik dinding, tetapi memahami jejak interaksi manusia melalui sinyal—secara terukur, kontekstual, dan bertanggung jawab.”“Not photographing a body through a wall, but understanding the trace of human interaction through signals—measurably, contextually, and responsibly.”「壁越しに身体を撮影するのではなく、信号を通じて人の相互作用の痕跡を、測定可能で文脈的かつ責任ある方法で理解する。」
02 / System Architecture
Dua sensor. Satu keputusan yang lebih kuat.Two sensors. One stronger decision.二つのセンサー。より強い一つの判断。
Arsitektur awal dirancang sebagai vertical slice yang dapat diuji dari akuisisi sinyal sampai alarm real-time.The initial architecture is designed as a testable vertical slice—from signal acquisition to real-time alerts.初期アーキテクチャは、信号取得からリアルタイム警告までを一貫して検証できるよう設計されています。
01 — AcquisitionCCTV frames + Wi‑Fi CSI amplitude & phase
02 — ProcessingVision features + RF signal denoising
03 — FusionTemporal alignment and multimodal evidence
04 — ConstraintsSpatial, temporal, physical, and contextual rules
05 — DecisionNormal, warning, critical + edge alert
03 / Demonstration Scenario
Kamera kehilangan pandangan. Sistem tidak kehilangan konteks.The camera loses sight. The system keeps the context.カメラが見失っても、システムは文脈を失いません。
Skenario prototipePrototype scenarioプロトタイプ・シナリオ
Seseorang berjalan, masuk ke blind spot atau balik partisi, kemudian jatuh dan tidak kembali berdiri. CCTV kehilangan visual; Wi‑Fi CSI mendeteksi keberadaan dan perubahan aktivitas; mesin constraint memeriksa konsistensi waktu sebelum mengaktifkan alarm.
A person walks into a blind spot or behind a partition, falls, and does not stand again. CCTV loses the visual; Wi‑Fi CSI detects presence and activity changes; the constraint engine checks temporal consistency before triggering an alert.
人が死角または間仕切りの背後に入り、転倒して立ち上がらない状況を想定します。CCTVが視覚情報を失っても、Wi‑Fi CSIが存在と活動変化を検知し、制約エンジンが時間的一貫性を確認して警告します。
BR WiVision / Edge Monitor● LIVE
Camera visibilityLOST / OCCLUDED
Wi‑Fi presenceDETECTED
Activity hypothesisFALL / LYING
Temporal constraintNO RECOVERY · 30s
System decision⚠ WARNING
04 / Research Work Packages
Dari konsep menuju bukti ilmiah.From concept to scientific evidence.コンセプトから科学的証拠へ。
WP1
CSI Acquisition & CalibrationPerangkat, sinkronisasi, layout ruangan, dan baseline tanpa manusia.Hardware, synchronization, room layout, and empty-room baseline.機器、同期、室内レイアウト、無人時ベースライン。
NOWWP2
Presence & Activity RecognitionAda/tidak, berjalan, duduk, berdiri, berbaring, dan jatuh.Presence, walking, sitting, standing, lying, and falling.在室、歩行、着座、起立、横臥、転倒の認識。
NEXTWP3
Vision–CSI Multimodal FusionPenyelarasan waktu, feature fusion, serta penanganan sensor yang hilang.Temporal alignment, feature fusion, and missing-sensor handling.時間同期、特徴融合、センサー欠損への対応。
NEXTWP4
Constraint-Aware Risk ReasoningAturan fisik, spasial, temporal, dan skor risiko yang dapat dijelaskan.Explainable physical, spatial, temporal constraints and risk scoring.説明可能な物理・空間・時間制約とリスク評価。
LATERWP5
Edge Deployment & Field ValidationLatensi, reliabilitas, privasi, dan pengujian pada lingkungan nyata.Latency, reliability, privacy, and real-world validation.遅延、信頼性、プライバシー、実環境検証。
LATERDesain dataset awalInitial dataset design初期データセット設計
- 10–20 participants with informed consent
- 5–6 activity classes and repeated trials
- Visible, occluded, and light-partition conditions
- Multiple distances, orientations, and room layouts
- Synchronized CCTV labels used as ground truth
Ukuran keberhasilanSuccess measures成功指標
- Presence: precision, recall, F1-score
- Activity: macro-F1 and confusion matrix
- Event: false alarm rate and missed detection rate
- System: end-to-end latency and robustness
- Ablation: vision-only vs CSI-only vs fusion + constraints
Risk = w₁Pvision + w₂PCSI + w₃Ctemporal + w₄Cspatial + w₅Cphysical
05 / Roadmap & PublicationPAPER 01 PAPER 02 PAPER 03
Halaman ini adalah titik awal, bukan titik akhir.This page is a starting point, not an endpoint.このページは出発点であり、終着点ではありません。
Concept
Research question, architecture, ethics, hardware selection, and experimental protocol.
Prototype
CSI acquisition, baseline presence detection, live dashboard, and repeatable demo.
Experiment
Controlled dataset, ablation studies, robustness tests, and statistical evaluation.
Publication
Open research artifacts where appropriate, conference demonstration, and Q1 journal manuscript.
Wi‑Fi CSI Baseline
Device-free presence and activity recognition under occlusion.
Multimodal Fusion
CCTV–CSI fusion for blind-spot and missing-vision recovery.
Constraint-Aware Intelligence
Real-time abnormal-event reasoning at the edge with explainable constraints.
06 / Responsible Research
Bermanfaat tanpa mengabaikan privasi.Useful without ignoring privacy.プライバシーを無視せず、社会に役立てる。
BR WiVision dikembangkan untuk keselamatan, perawatan lansia, ruang kerja, dan pemantauan kondisi kritis—bukan untuk pengawasan tersembunyi. Pengumpulan data harus berbasis persetujuan, tujuan yang jelas, anonimisasi, retensi terbatas, serta evaluasi bias dan risiko penyalahgunaan.
BR WiVision is intended for safety, elder care, workplaces, and critical-condition monitoring—not covert surveillance. Data collection must use consent, purpose limitation, anonymization, limited retention, and bias and misuse-risk assessment.
BR WiVisionは、安全、高齢者ケア、職場、重大状態の監視を目的とし、秘密監視を目的としません。データ収集には同意、目的限定、匿名化、保存期間の制限、バイアスと悪用リスクの評価が必要です。
Fondasi ilmiahScientific foundations科学的基盤
- Geng, J., Huang, D., & De la Torre, F. DensePose From WiFi, 2022/2023.
- Wang, F. et al. Person-in-WiFi: Fine-grained Person Perception using WiFi, ICCV 2019.
- Ren, Y. et al. GoPose: 3D Human Pose Estimation Using WiFi, ACM IMWUT 2022.
Open Collaboration
Mari membangun sistem yang tetap memahami ketika kamera tidak mampu melihat.Let us build a system that keeps understanding when the camera cannot see.カメラが見えないときも理解し続けるシステムを、共に構築しましょう。
Terbuka untuk kolaborasi peneliti, laboratorium, mahasiswa, mitra industri, penyedia perangkat IoT, dan institusi yang memiliki kasus penggunaan keselamatan nyata.Open to researchers, laboratories, students, industry partners, IoT providers, and institutions with real safety use cases.研究者、研究室、学生、産業パートナー、IoT事業者、実際の安全課題を持つ機関との協力を歓迎します。
Ajukan KolaborasiPropose a Collaboration共同研究を提案する ↗