企业官网建设流程全解析

RuView：不装摄像头，用 WiFi 感知人的 10 分钟上手指南

【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

半夜想确认父亲有没有起床，又不想在卧室装摄像头。这个顾虑很常见。RuView 是一个开源项目，它把普通 WiFi 信号变成空间感知：检测屋里有没有人、呼吸和心率、有没有跌倒，全程不用摄像头，也不用戴任何设备。数据都在本地硬件上处理，不依赖云。

它是什么

RuView 的定位很直接：把已有的 WiFi 信号当成传感器，替代摄像头做存在检测和生命体征监测。适合这几类人：想给老人做非接触看护的家庭、需要无摄像头监控的空间管理者、对隐私敏感但希望保留感知能力的开发者。

核心能力：

• 穿墙存在与人数检测，能识别进出
• 呼吸率（6–30 BPM）与心率（40–120 BPM）非接触测量
• 跌倒检测、睡眠分期与睡眠呼吸暂停筛查
• 17 关键点人体姿态估计，基于公开数据集基准验证
• 原生接入 Home Assistant、Apple Home、Matter 等智能家居生态，单节点暴露 21 个实体

硬件上，最推荐的是一块 9 美元左右的 ESP32-S3 开发板加路由器；也支持 3–6 块组网。没有硬件时，用 Docker 跑模拟数据就能体验完整流程。

10分钟用Docker跑通RuView

最短路径是 Docker，官方镜像同时支持 amd64 和 arm64（Apple Silicon 也能跑）：

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

然后打开http://localhost:3000。容器默认进入模拟模式，生成合成 CSI 数据走完整条处理管线，不需要任何硬件。

你会看到一个 Three.js 可视化页面：17 个关键点的 3D 人体骨架、信号幅度热图、相位图，以及呼吸和心率的生命体征面板。想验证接口，另开一个终端：

curl http://localhost:3000/health curl http://localhost:3000/api/v1/pose/current

两个接口都返回 JSON，说明服务器和感知管线都在正常工作。

WiFi信号是怎么"读"出人体的

原理其实不复杂，可以分三步理解。

第一步，采集。路由器一直在发 WiFi 波，这些波穿过房间、掠过人体后会改变。ESP32 固件采集的 CSI（Channel State Information，信道状态信息）记录了每个子载波上信号的幅度和相位，相当于给"信号被身体扰动了多少"拍了照。

第二步，净化与分频。环境噪声和硬件偏差会先被滤掉。剩下的相位变化按频率切分：0.1–0.5 Hz 的波段对应呼吸起伏，0.8–2.0 Hz 对应心跳，更宽频的运动能量对应走动和跌倒。

第三步，建模。一个在 6 万帧上预训练的小模型（4-bit 量化后只有 8 KB）把 CSI 特征映射成语义结果：有没有人、呼吸多少 BPM、心率趋势如何。官方公布的 held-out 时序三元组准确率为 82.3%（来源：项目 README）。

说白了，它看的不是"画面"，而是 WiFi 信号被身体搅动后留下的规律性差异。

换个场景玩

模拟环境，0 成本验证流程。适合先了解界面和 API 的新手。就是上面两条 Docker 命令，10 分钟能看到完整管线。注意模拟数据是合成的，不能代表真实房间精度。

独居老人看护。在卧室和走廊各放 1–2 块 ESP32-S3，容器启动时加-e CSI_SOURCE=esp32 -p 5005:5005/udp接收真实 CSI。能看到：在床状态、离床事件、呼吸率趋势、跌倒告警。官方推荐 3–6 块组多基地网格，成本约 54 美元起，加上带持久存储的 Cognitum Seed 约 140 美元。

办公空间占用统计。不想上硬件的话，Windows 笔记本可用--source wifi走 RSSI 模式：能做存在检测和粗略运动分类，但做不了姿态和穿墙精度。

和摄像头、毫米波雷达比一比

实话实说

• 单块 ESP32 的实时 17 关键点姿态还不可用。仓库里提交的第一版板端模型 PCK@20 只有 3%，低于 35% 的既定目标，官方明确标注为 first-cut，推理路径还是占位实现。姿态的"可信数字"来自 MM-Fi 公开数据集基准：单模型 82.69% 躯干 PCK@20，零样本跨被试约 64%，房间校准后约 72%（来源：docs/benchmarks/mmfi-wifi-sensing-study.md）。换到自家房间会打折，别按 82% 预期。
• 没有 CSI 就没有高级功能。普通笔记本只能走 RSSI，做存在检测和粗略运动，姿态、穿墙精度都不行。完整能力需要 ESP32-S3/C6 固件或 Intel 5300、Atheros 这类研究网卡。
• 固件有烧录门槛。需要 esptool（或 ESP-IDF），分区偏移必须匹配 4MB/8MB 两种布局；无屏开发板要用sdkconfig.defaults.devkitc构建，否则 CSI 产量会归零。
• 小板子注意散热。固件关闭了 WiFi 省电模式并持续采集，硬币大小的紧凑型板子可能发烫甚至烧坏稳压器，官方给了明确警告。
• 生命体征是趋势监测，不是医疗器械，呼吸暂停筛查结果不能替代临床诊断。

继续深入

• 用户指南覆盖安装、API、硬件组网和模型训练全流程：docs/user-guide.md
• ESP32 固件的烧录、分区和预编译二进制说明：firmware/esp32-csi-node/README.md
• 姿态基准的完整研究和"哪些数字可信"的披露：docs/benchmarks/mmfi-wifi-sensing-study.md

贡献方面，仓库自带 1400 多个测试可以直接跑（cargo test --workspace），Issue 跟踪功能进度，PR 直接提交即可。源码构建的话：git clone https://gitcode.com/GitHub_Trending/wi/RuView，然后进v2目录cargo build --release。

它做的事情不算新，但把"不用摄像头也能知道屋里的人是否安好"做成了一个能跑起来的开源栈，这本身就是它的价值。

【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