企业官网建设流程全解析

无需硬件和摄像头：用 WiFi 追踪人体姿态，3 分钟上手 RuView 快速指南

【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

RuView 能把家里本来就有的 WiFi 信号变成一套无摄像头的人体追踪传感器：检测在不在家、数人在不在场、量呼吸和心率，全程不装一个摄像头。不碰任何硬件，3 分钟就能用一条 Docker 命令跑通完整的感知流程；要真实穿墙感知，只需要一块 9 美元左右的 ESP32 开发板。

RuView 是什么，该不该用

它定位是一个 WiFi 感知平台：用CSI（信道状态信息，Channel State Information，可理解为 WiFi 链路在每根"子天线"上测到的幅度和相位读数）替代摄像头，输出存在检测、生命体征、活动识别和无摄像头姿态估计。

• ✅ 适合：想在卧室、浴室、医院病房这类"摄像头不能进"的地方做存在与体征监测，或做射频感知研究的人
• ❌ 不适合：期望开箱即用的高精度姿态产品——项目自述 17 关键点姿态的公开最强数字是 MM-Fi 基准上的 82.69% torso-PCK@20，而设备端实时模型仍是一版初稿（3.0% PCK@20，未达标），README 里标注得很诚实
• ❌ 不适合：拿普通笔记本 WiFi 做姿态——消费级网卡只有 RSSI（每个路由器一个信号强度数字），只能做粗糙的存在检测

背后怎么运作：WiFi 信号如何变成人体追踪

类比一下：你闭眼站在黑屋里，靠回声判断房间里有人站着还是躺着。WiFi 就是这间屋子的"回声"，人连呼吸都会让回声产生微小变化，RuView 做的事就是把回声读细。

1️⃣ 路由器的射频充满房间，人走动甚至胸腔起伏都会扰动波场 2️⃣ ESP32 节点在 1/6/11 信道上记录 56 根子载波的幅度和相位（即 CSI），以二进制帧推到 UDP 5005 端口 3️⃣ 多频融合 + 信号清洗（Hampel、SpotFi、Fresnel 等）把环境噪声、多径干扰滤掉 4️⃣ 神经网络把干净特征映射为 17 个身体关键点、呼吸率（0.1–0.5 Hz 频带，6–30 BPM）和心率（0.8–2.0 Hz，40–120 BPM），经 REST API 和 WebSocket 对外输出

关键名词 · CSI：WiFi 信号经过多径传播后，在每根子载波上测到的复数响应。它比 RSSI 细几个数量级（RSSI 是 1 个数，CSI 是每帧 56+ 个复数值），这正是"能看姿态"和"只能看有没有人"的分界线。

架构总览：WiFi 发射 → 人体反射扰动波场 → 接收端提取 CSI 特征 → 模态转换网络输出人体姿态

选条路上手：免硬件体验与源码编译

先做个三问自检：

• 只是想看看"WiFi 感知"长什么样，没有 ESP32？→ 路线 A
• 手上有 ESP32-S3，想跑真实信号？→ 路线 A + 一条环境变量
• 要改信号处理、写自己的 Rust 服务或做模型训练？→ 路线 B

路线 A：3 分钟 Docker 体验（前提：装了 Docker 20+，无需任何硬件）

docker pull ruvnet/wifi-densepose:latest docker run -p 3000:3000 -p 3001:3001 ruvnet/wifi-densepose:latest

打开浏览器访问http://localhost:3000，默认进入模拟模式（合成 CSI），能看到 3D 骨架、相位图和体征面板。用curl http://localhost:3000/health确认返回{"status":"ok","source":"simulated",...}即链路正常。

实时界面：左侧为 WiFi 信号还原的姿态骨架，右侧为呼吸与心率面板

已有 ESP32-S3 时，只需加环境变量和 UDP 端口映射：docker run -e CSI_SOURCE=esp32 -p 3000:3000 -p 5005:5005/udp ruvnet/wifi-densepose:latest。

路线 B：源码深入（前提：Rust 1.70+，推荐 1.85+）

git clone https://gitcode.com/GitHub_Trending/wi/RuView cd RuView/v2 cargo build --release

编译产物在target/release/sensing-server，用./target/release/sensing-server --source simulate --http-port 3000 --ws-port 3001即可启动；跑cargo test --workspace --no-default-features验证工作区。没有硬件时也可以用python archive/v1/data/proof/verify.py回放确定性参考信号，校验信号处理管线。

真正生效的配置：五个场景参数

校准有固定的三步顺序：calibrate（空房间基线）→enroll（8 个引导锚点，约 4 分钟）→train-room，前一步的文件是后一步的输入，无法跳步。细节都在 校准指南 里，包括每个锚点的质量门限。

基础用法之外：三个不寻常的场景

大众印象里 WiFi 只是"上网的工具"，但这套系统把它当成"覆盖全房间的传感器阵列"：

• 睡眠呼吸暂停筛查：仓库带 睡眠示例 和sleep-apnea边缘模块，靠夜间呼吸在 0.1–0.5 Hz 频带的周期性变化工作——不用贴电极，也不用摄像头对着熟睡的人
• 烟雾与废墟下的人道感知：wifi-densepose-matcrate（WiFi-Mat 灾变检测模块）专攻这一档——摄像头和红外在浓烟里都瞎了，而 WiFi 能穿透烟尘探测呼吸特征
• 零售客流：customer-flow、dwell-heatmap等模块统计进出人数与停留热区，全程无视频，天然规避视频类隐私合规问题

同一套感知服务同时输出姿态骨架与呼吸/心率，这也是睡眠监测、久坐告警等上层场景的基础

最容易踩的坑：五个"现象→原因→解法"

• 体征面板显示 0 BPM→ 你大概率跑在 RSSI-only 模式（分辨率不够），或平滑管线还没热完 → 生命体征必须走 CSI 硬件（ESP32 或研究级网卡）；真实 ESP32 数据也要约 5 秒稳定
• 呼吸/心率数值乱跳→ 被测者大幅移动会淹没体征振荡，或信号质量差 → 先POST /api/v1/adaptive/train训练自适应分类器，再看/api/v1/sensing/latest里的signal_quality，低于 0.4 说明该挪位置
• 3000 端口 Connection refused→ docker 启动时没做端口映射 → 补上-p 3000:3000 -p 3001:3001，3001 是 WebSocket 端口，漏掉会导致 UI 有画面没数据
• ESP32 烧录后没有数据→ 老固件默认没开 CSI、target-ip没指向服务器、或 UDP 5005 被防火墙拦 → 固件升到 v0.4.1+，重跑python firmware/esp32-csi-node/provision.py --target-ip <服务器IP>，确认 5005 放通
• calibrate 报 insufficient frames→ 节点实际 CSI 帧率低于 20 Hz，30 秒凑不够 600 帧硬门槛 → 调大--duration-s，别动--min-frames（那是调试逃生门，文档明确不建议生产使用）

另外两个已知边界：ESP32-C3 和初代 ESP32 不支持（单核跑不动 CSI 信号处理）；单节点空间分辨率有限，官方建议 2 个以上节点组成 mesh。

资源与社区

• 用户指南（安装、API、硬件、训练）：docs/user-guide.md
• 校准与房间训练（代码级核对过的真实门限）：docs/calibration-guide.md
• 感知服务核心源码：v2/crates/wifi-densepose-sensing-server/
• ESP32 节点固件与烧录工具：firmware/esp32-csi-node/
• Home Assistant / Matter 集成（21 个实体 + 3 个起步蓝图）：docs/integrations/home-assistant.md
• 架构决策记录（205 篇 ADR，含"什么数字可信"的完整论证）：docs/adr/README.md

RuView 的价值在于把感知硬件的门槛从"每个房间装一台相机"降到"用已有的 WiFi 加一块 ESP32"，并且把哪些能力已验证、哪些还是初稿都写在同一页 README 里。先跑通模拟模式，再决定要不要为真实感知买单，是成本最低的验证路径。

【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