使用商品WiFi的人体姿势估计已成功实现2D和3D姿势重建。然而，现有的方法专注于固定点的人，因此不方便人们在日常使用中不断自由地移动。

最近的一项研究提出了一种系统，该系统可以使用商用WiFi设备捕捉细粒度的3D移动人体姿势。处理后的幅度和相位首先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较少的特征。

然后专门构建的神经网络将WiFi信号转换为人体姿势。原型系统证实了在准确性方面优于最先进方法的显着优势。建议的方法仅使用六个天线，因此在成本和重量方面都优于现有方法。

在本文中，我们介绍了Wi-Mose，这是第一个使用商品WiFi的3D移动人体姿势估计系统。之前基于WiFi的工作已经实现了2D和3D姿态估计。这些解决方案要么从一个角度捕捉姿势，要么构建固定点的人的姿势，从而阻止它们在日常场景中被广泛采用。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来从CSI图像中提取仅与姿态相关的特征，然后将这些特征转换为关键点坐标。实验结果表明，Wi-Mose可以定位29.7mm和37mm的关键点。分别在视线(LoS)和非视线(NLoS)场景中进行8毫米Procrustes分析平均每关节位置误差(P-MPJPE)，实现比最先进方法更高的性能。结果表明，Wi-Mose可以捕捉整个空间的高精度3D人体姿势。