【RuView】用普通WiFi信号“透视”人体姿态与生命体征，无需摄像头、不戴设备

作者提米哥

RuView（即 WiFi DensePose）是一个基于商用WiFi信号的实时人体感知系统，它利用无线信道状态信息（CSI）分析人体运动对无线电波的扰动，从而实现无接触式人体姿态估计、呼吸与心率监测、多人存在检测，甚至穿透墙壁感知——全程不依赖摄像头、不需可穿戴设备，仅靠环境中已有的WiFi信号即可工作。

主要功能与特性

  • ✅ 隐私优先的人体姿态估计：输出17关节骨架图（DensePose UV映射），支持实时多视角融合，最高达54,000 fps（Rust后端）
  • ✅ 非接触式生命体征监测：呼吸率（6–30 BPM）、心率（40–120 BPM），通过带通滤波+FFT峰值检测实现
  • ✅ 穿墙感知能力：基于菲涅尔区几何建模与多径分析，实测可穿透30cm混凝土或5米深度障碍物
  • ✅ 多目标同步追踪：支持多人独立姿态+生命体征并行估计，物理上限约3–5人/单AP（多AP可扩展）
  • ✅ 自学习环境指纹系统（RuVector）：将WiFi信号压缩为128维向量，自动识别房间、检测异常、重识别个体，整模型仅55 KB，可在$8 ESP32-S3芯片上运行
  • ✅ 跨环境泛化能力（MERIDIAN）：训练一次的模型可零样本迁移至新房间、新硬件（ESP32 / Intel 5300 / Atheros），无需重新标定
  • ✅ 多节点协同感知（RuvSense）：4–6个ESP32-S3组成网状传感器阵列，提供360°覆盖、抗盲区、高稳定性（自动相干门控，连续运行数日不漂移）

快速上手（Docker一键启动）

项目提供开箱即用的Docker镜像，无需本地编译： 

docker pull ruvnet/wifi-densepose:latest  
docker run -p 3000:3000 ruvnet/wifi-densepose:latest  
# 启动后访问 http://localhost:3000 查看实时可视化界面

⚠️ 注意：完整功能（如姿态估计、生命体征）需CSI-capable硬件（如ESP32-S3或科研级网卡）；仅普通笔记本WiFi仅支持RSSI粗粒度存在检测。

适用场景与目标用户

  • 隐私敏感型应用者：养老院（跌倒/睡眠呼吸监测）、学校（儿童午休监护）、宗教场所（无面部识别考勤）、零售门店（GDPR合规客流分析）
  • 专业部署人员：消防/搜救队（WiFi-Mat模块穿透 rubble 检测生命迹象）、工业现场（机器人安全区防碰撞、洁净室无尘监控）、边境安防（隐蔽式被动人员探测）
  • 开发者与研究者：需在Rust/Python中集成WiFi感知能力的IoT工程师、边缘AI研究员、人机交互设计师；尤其适合希望在低功耗ESP32平台部署轻量级AI模型的嵌入式团队
  • 教育与实验用户：可通过python v1/data/proof/verify.py在无硬件条件下验证信号处理流程，快速理解底层原理

总结

RuView 不是一个概念验证玩具，而是一套工程完备、经1031项独立审计验证、覆盖从芯片固件（ESP32）、信号处理（Rust）、模型训练（PyTorch/ONNX）到Web UI的全栈WiFi感知系统。它把原本隐藏在WiFi协议深处的CSI数据，转化为可落地的隐私友好型感知服务。对于追求“看不见的智能”——既强大又尊重边界的场景，它提供了目前最成熟、最透明、也最具扩展性的技术路径。建议访问其主页获取更详细信息。

作加

类似文章