RuView：不装摄像头，用普通WiFi读出人体姿态与生命体征，30秒Docker跑通

RuView不装摄像头用普通WiFi读出人体姿态与生命体征30秒Docker跑通【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独居老人的卧室装摄像头越过隐私红线打电话确认又不可靠。RuView 是一个 WiFi 感知系统它不采集任何图像而是读取 WiFi 信号在人体上产生的散射变化信道状态信息CSI输出房间是否有人、呼吸与心率以及 17 个关键点的人体姿态估计。 30秒Docker跑通先看一眼WiFi姿态界面装 Docker 之后两条命令即可启动默认使用合成 CSI 数据运行不需要任何硬件docker pull ruvnet/wifi-densepose:latest docker run -p 3000:3000 ruvnet/wifi-densepose:latest浏览器打开http://localhost:3000你会看到观测台界面中央是姿态骨架左侧显示心率、呼吸频率和置信度右侧是 WiFi 信号面板与存在判定。注意 Docker 里跑的是模拟数据——用来验证信号处理链路真实感知需要后面第七节的 CSI 硬件。不想用 Docker 也有两条路Python 侧一条命令装 PyPI 上现成的 PyO3 wheel约 250KBRust 侧克隆仓库后跑引导安装脚本pip install ruviewgit clone https://gitcode.com/GitHub_Trending/wi/RuView cd RuView ./install.sh --profile rust --yes能力边界WiFi 能做什么不能做什么一句话概括RuView 能把 WiFi 波动变成谁在、在做什么、是否异常的结构化数据但它不是医疗认证设备单台笔记本无 CSI也只能做粗糙的存在检测。存在与占用穿墙检测并计数单次判定延迟 1ms约 30 秒环境校准后进入实时状态单个接入点可区分约 3–5 人非接触生命体征呼吸 6–30 次/分、心率 40–120 次/分基于相位带通滤波加过零计数无需佩戴任何设备姿态与活动17 关键点姿态、步态、跌倒告警200ms注意单节点实时姿态模型仍处于项目自标注的初版阶段PCK20 3.0%低于其 35% 目标可信的姿态精度以 MM-Fi 基准数字为准环境指纹自监督对比学习把任意 WiFi 信号压成 128 维嵌入用于房间识别与异常检测配套 105 个签名的边缘模块健康、安防、建筑、零售等项目对哪个数字可信做了明确分级标注旧版100% 存在检测率已公开撤回替换为 82.3% 的留出集指标——这点在同类项目里比较少见。 WiFi 怎么看到姿态信号链路拆解路由器持续向房间发射无线电波人体移动甚至呼吸都会改变这些波穿过空间的方式。RuView 让 ESP32 节点捕获每个子载波上的幅度与相位变化即 CSI按 3 个频点 × 56 个子载波融合成 168 路虚拟子载波多节点部署时再做跨视角加权融合。原始数据经过 Hampel、SpotFi、菲涅尔区等信号清洗后进入 RuVector 推理层注意力、图算法、分层压缩。最终输出实时姿态、呼吸/心率、房间指纹和漂移告警全程本地完成不依赖云端。 实测指标数字与测试条件指标数值测试条件存在检测延迟1 ms约 30 秒环境校准后CSI 嵌入吞吐164,183 次/秒Apple M4 Pro姿态精度MM-Fi82.69% torso-PCK20单模型/ 83.59%集成MM-Fi 公开数据集random_split协议对比 MultiFormer 72.25%、CSI2Pose 68.41%预训练编码器精度82.3% 留出集时间三元组准确率6 万帧、1220 万训练步4-bit 量化后仅 8 KB跌倒告警200 ms相位加速度阈值 3 帧去抖边缘部署体积55 KB 内存ESP32约 5.5 万参数所有数字都可用一条命令复现确定性管线证明输出VERDICT: PASSpython archive/v1/data/proof/verify.pyRust 工作区当前 1463 项测试通过。三个真实场景谁在用、怎么用、解决什么独居老人监护家庭 / 养老机构每个卧室放一块 ESP32-S3约 $9不做任何视觉采集夜间监测呼吸频率、跌倒 2 秒内告警。解决的核心问题是既要知道老人是否出事又不能在卧室装摄像头。零售与办公占用运营团队复用商场或办公楼已有的 WiFi 网络加 1 块 ESP32 即可统计客流、停留热图和排队长度分辨率约 1 米。相比每区域 $200–2000 的摄像头方案成本接近于零且天然规避视频类隐私合规要求。智能家居生态开发者 / 极客一条--mqtt参数接入 Home Assistant每节点 21 个实体含疑似跌倒有人睡眠等语义状态或以 Matter 桥接配入 Apple Home / Alexa。解决的是语音助手直接回答卧室有人吗、呼吸正常吗无需任何自定义技能。硬件档位选型从 $0 笔记本到 $140 传感网络档位硬件成本你能得到什么评估级任意 WiFi 笔记本$0仅 RSSI粗糙的存在与运动检测无 CSI单节点ESP32-C6 研究节点$6–10完整 CSIWi-Fi 6 能力入门 mesh3–6 × ESP32-S3约 $54全部 CSI 能力存在、生命体征、跌倒、多人计数研究网卡Intel 5300 / Atheros AR9580$50–1003×3 MIMO 完整 CSI仅 Linux完整方案ESP32 Cognitum Seed约 $140上述能力 持久存储、kNN 检索、见证链两个选型注意点ESP32-C3 和初代 ESP32 不被支持单核跑不动 CSI DSP单节点空间分辨率有限建议至少 2 个节点。穿墙能力约 5 米取决于墙体材质。深入导航文档、源码与示例路径用户指南安装、首次运行、API、硬件、训练docs/user-guide.md技术决策记录200 篇 ADR解释每个选型的来龙去脉docs/adr/Rust 感知服务器与各模块源码v2/crates/医疗、睡眠、压力监测、three.js 可视化示例examples/实测基准与效率前沿分析docs/benchmarks/收束WiFi 从联网工具变成传感器RuView 的核心价值只有一件事让已部署在每面墙里的 WiFi 信号兼职做感知——无摄像头、无穿戴、无新增布线且项目用可复现的证明链和诚实的分级标注来支撑每个性能数字。下一步很明确先执行第 2 节的 Docker 两条命令30 秒内看到模拟数据下的感知界面若界面里的存在判定和呼吸曲线符合你的预期再按第 7 节买一块 $9 的 ESP32-S3进入真实房间的验证阶段。【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