不用摄像头WiFi 感知RuView 穿墙探测呼吸与存在【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView凌晨三点老人摔倒了。摄像头能拍到画面但你并不愿意在床头装一台 24 小时的摄像头。RuView 做的就是无摄像头 WiFi 感知只靠电波的变化判断屋里有没有人、呼吸快慢甚至还原姿态全程不产生一个像素的图像。RuView 的三大能力一览人体姿态估计、生命体征监测、存在检测数据源只有普通 WiFi 信号。它替代了什么一套电波顶三样传感器传统方案里摄像头负责看见红外负责有没有人雷达负责精确定位三套硬件、三套维护。RuView 走的是另一条路路由器本来就在满屋广播电波人一动电波就变ESP32 芯片约 9 美元一块把这种变化读出来变成结构化数据。它不是更便宜的低配摄像头而是从一开始就不采集图像。方案采集到什么视线要求隐私压力摄像头像素级画面必须直视高画面本身即敏感数据红外 PIR只有有人/没人直视易被热源误触发低专用雷达位置与运动部分硬件贵低RuView WiFi 感知CSI 痕迹 → 姿态、呼吸、人数无穿墙约 5 米极低无图像产出信号如何变成人六级处理链路由器在广播人在改声。电波穿过人体时相位和幅度都会改变。好比房间里的回声空房回声是固定的有人走动回声就变了调。捕获 CSI。CSI即信号穿过环境后在每根子载波上留下的痕迹快照由 3-6 个 ESP32 节点分时隙、跨 1/6/11 三个信道记录。节点像围坐一桌的人各记各的角度听到的内容。多视角融合。每对节点构成一条链路3 信道 × 56 子载波 每条链路 168 个虚拟子载波再用注意力加权拼合。一个人看只能得到剪影多几个角度剪影才有体积。一致性门控。每批测量先过 Coherence Gate 的可信票不合格直接丢弃。这是门卫只查徽章、不听辩解换来的是部署后几天不用重新调参。信号清洗。Hampel 滤波、SpotFi、Fresnel 区几何等工序把房间固有干扰和人体扰动分开。先录下空房的底噪再听人添进去的那部分。模型解码。RuVector 骨干加神经网络输出 17 个骨骼关键点、呼吸率、心率和房间模型。4 比特量化后模型只有 8 KB能在树莓派上微秒级运行。完整链路示意原始 WiFi 信号 → CSI 相位净化 → 模态转换网络 → 骨骼关键点这是理解信号变人的骨架图。 养老社区三步接上久不动告警适用判断护理院或独居老人家庭卧室、卫生间不能装摄像头但夜间必须知道人还在动。最低门槛每间房 1 块 ESP32-S3约 9 美元 现有路由器 一套 Home AssistantMosquitto 插件即可。感知服务器以--mqtt启动把 ESP32 的真实 CSI 转成 MQTT 主题HA 会自动发现实体docker run --rm --nethost \ ruvnet/wifi-densepose:latest \ --source esp32 \ --mqtt --mqtt-host 192.168.1.10 \ --mqtt-username homeassistant \ --mqtt-password-env MQTT_PASSWORD约 5 秒后HA 设备页出现该节点的存在、呼吸率、心率、跌倒事件外加 10 个语义状态每个状态都带reason属性说明触发原因。仓库自带告警蓝图核心是拿个人基线而不是全局阈值做比较——elderly_inactivity_anomaly在静止时长超过本人历史最大静止 2 倍时触发trigger: - platform: state entity_id: !input anomaly_entity from: off to: on预期效果跌倒检测从信号到事件小于 200 毫秒端到端告警小于 2 秒项目文档标注值该语义状态在 v1 留出集上的 F1 为 0.71项目同时声明环境不匹配时 F1 会下降 5-15 个百分点——这套数字都可在 语义原语指标文档 复现穿墙生命体征监测的诚实边界也写在那里。 仓储物流货架挡不住告警适用判断叉车与行人混行的高货架区摄像头在货架转角全是盲区而且穿货架这件事红外和摄像头都做不到。最低门槛3-6 个 ESP32-S3 组成多静态网格或工业 AP信号可穿透货架项目用例表中标注 through-shelf 检测。上线前先把区域教会服务器空仓基线、8 个引导锚点、训练专属模型每一步都会生成下一步必须读取的文件跳步会被直接拒绝wifi-densepose calibrate --port COM7 wifi-densepose enroll --room racking-zone wifi-densepose train-room --room racking-zone wifi-densepose room-status --room racking-zone空仓基线硬性要求 600 帧以上8 个锚点约 4 分钟完成训练结束后服务器持续拿实时 CSI 对比空货架底噪人员扰动即成事件。预期效果叉车接近告警延迟小于 500 毫秒穿墙有效距离约 5 米Fresnel 区几何模型随信号质量变化。细节见 校准指南。️ 健身工作室数次数但不看脸适用判断想统计训练次数、区分动作类型又不愿让摄像头对准更衣区和镜面墙的工作室。最低门槛3 个以上 ESP32-S3 一台边缘主机没有硬件也能先用模拟模式验证流程。接上真实节点后以 ESP32 为数据源启动服务器docker run -e CSI_SOURCEesp32 \ -p 3000:3000 -p 5005:5005/udp \ ruvnet/wifi-densepose:latest打开浏览器访问http://localhost:3000Observatory 的 Fitness 场景会基于身体动力学做次数统计与动作分类右侧面板同步显示 RSSI、方差与运动能量。DEMO 模式截图3D 空间里的人体骨架与实时生命体征面板右侧是 WiFi 信号质量与存在判定展示信号到体征的完整读法。预期效果呼吸检测覆盖 6-30 BPM、心率 40-120 BPM均为实时输出breathing-sync边缘模块甚至能判断两人呼吸是否同步。一句诚实的话单块 ESP32 的 17 关键点实时姿态仍是初版PCK20 3.0%项目立得住的姿态精度是公开 MM-Fi 基准上的 82.69% torso-PCK20而非单节点实时口播。延伸与想象趋势方向均见仓库 ADR不押年份多频 mesh 把邻居路由器当免费照射源向 802.11bf 原生感知协议推进联邦学习让多个场地共建模型而不交换原始数据BFLD 隐私层从结构上保证原始波束成形信息永不离开节点、跨场地身份关联在密码学上不可能OccWorld 已能外推 15 帧的未来占用。跨界灵感灾后搜救呼吸特征穿透约 30 厘米混凝土识别幸存者WiFi-Mat 模块洁净车间摄像头风扇会扬尘RF 方案无颗粒排放模块可硬限人数公共场所卫生间占用计数——这是摄像头永远进不去的场地性能一句话定性成本与隐私第一梯队穿墙与环境适应性中上实时姿态精度仍在爬坡。5 分钟 / 周末 / 深度三档上手路径5 分钟零硬件拉镜像跑模拟模式看骨架在页面上动起来。docker pull ruvnet/wifi-densepose:latest docker run -p 3000:3000 ruvnet/wifi-densepose:latestWeb 界面一览左侧实时骨架与置信度右侧性能指标、估算模式和1 块到 4 块 ESP32的能力分级说明。周末真实硬件买一块 ESP32-S3刷预编译固件再配网ESP32 CSI 节点即开始 20 Hz 的 CSI 流。python -m esptool --chip esp32s3 --port COM7 --baud 460800 \ write_flash 0x0 bootloader.bin 0x8000 partition-table.bin \ 0xf000 ota_data_initial.bin 0x20000 esp32-csi-node.bin python firmware/esp32-csi-node/provision.py --port COM7 \ --ssid YourWiFi --password secret --target-ip 192.168.1.20深度验证者视角这个项目最特别的一点是它主动接受怀疑——每条能力声明都分了 MEASURED / CLAIMED / DATA-GATED 三档跑一条命令就能自己复核git clone https://gitcode.com/GitHub_Trending/wi/RuView cd RuView bash scripts/prove.sh配合 PROOF.md、用户指南 和 固件文档 可以一直读到源码层。回到凌晨三点这套方案里叫醒你的不再是摄像头画面而是一条静止时长超出本人基线的文字通知。下一步就一件事——用上面 5 分钟的命令把模拟容器跑起来亲眼看看那个骨架先动一下。【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考