與生命體征，30秒Docker跑通)
RuView不裝攝像頭用普通WiFi讀出人體姿態(tài)與生命體征30秒Docker跑通【免費(fèi)下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/wi/RuView獨(dú)居老人的臥室裝攝像頭越過隱私紅線打電話確認(rèn)又不可靠。RuView 是一個(gè) WiFi 感知系統(tǒng)它不采集任何圖像而是讀取 WiFi 信號(hào)在人體上產(chǎn)生的散射變化信道狀態(tài)信息CSI輸出房間是否有人、呼吸與心率以及 17 個(gè)關(guān)鍵點(diǎn)的人體姿態(tài)估計(jì)。 30秒Docker跑通先看一眼WiFi姿態(tài)界面裝 Docker 之后兩條命令即可啟動(dòng)默認(rèn)使用合成 CSI 數(shù)據(jù)運(yùn)行不需要任何硬件docker pull ruvnet/wifi-densepose:latest docker run -p 3000:3000 ruvnet/wifi-densepose:latest瀏覽器打開http://localhost:3000你會(huì)看到觀測(cè)臺(tái)界面中央是姿態(tài)骨架左側(cè)顯示心率、呼吸頻率和置信度右側(cè)是 WiFi 信號(hào)面板與存在判定。注意 Docker 里跑的是模擬數(shù)據(jù)——用來驗(yàn)證信號(hào)處理鏈路真實(shí)感知需要后面第七節(jié)的 CSI 硬件。不想用 Docker 也有兩條路Python 側(cè)一條命令裝 PyPI 上現(xiàn)成的 PyO3 wheel約 250KBRust 側(cè)克隆倉庫后跑引導(dǎo)安裝腳本pip install ruviewgit clone https://gitcode.com/GitHub_Trending/wi/RuView cd RuView ./install.sh --profile rust --yes能力邊界WiFi 能做什么不能做什么一句話概括RuView 能把 WiFi 波動(dòng)變成誰在、在做什么、是否異常的結(jié)構(gòu)化數(shù)據(jù)但它不是醫(yī)療認(rèn)證設(shè)備單臺(tái)筆記本無 CSI也只能做粗糙的存在檢測(cè)。存在與占用穿墻檢測(cè)并計(jì)數(shù)單次判定延遲 1ms約 30 秒環(huán)境校準(zhǔn)后進(jìn)入實(shí)時(shí)狀態(tài)單個(gè)接入點(diǎn)可區(qū)分約 3–5 人非接觸生命體征呼吸 6–30 次/分、心率 40–120 次/分基于相位帶通濾波加過零計(jì)數(shù)無需佩戴任何設(shè)備姿態(tài)與活動(dòng)17 關(guān)鍵點(diǎn)姿態(tài)、步態(tài)、跌倒告警200ms注意單節(jié)點(diǎn)實(shí)時(shí)姿態(tài)模型仍處于項(xiàng)目自標(biāo)注的初版階段PCK20 3.0%低于其 35% 目標(biāo)可信的姿態(tài)精度以 MM-Fi 基準(zhǔn)數(shù)字為準(zhǔn)環(huán)境指紋自監(jiān)督對(duì)比學(xué)習(xí)把任意 WiFi 信號(hào)壓成 128 維嵌入用于房間識(shí)別與異常檢測(cè)配套 105 個(gè)簽名的邊緣模塊健康、安防、建筑、零售等項(xiàng)目對(duì)哪個(gè)數(shù)字可信做了明確分級(jí)標(biāo)注舊版100% 存在檢測(cè)率已公開撤回替換為 82.3% 的留出集指標(biāo)——這點(diǎn)在同類項(xiàng)目里比較少見。 WiFi 怎么看到姿態(tài)信號(hào)鏈路拆解路由器持續(xù)向房間發(fā)射無線電波人體移動(dòng)甚至呼吸都會(huì)改變這些波穿過空間的方式。RuView 讓 ESP32 節(jié)點(diǎn)捕獲每個(gè)子載波上的幅度與相位變化即 CSI按 3 個(gè)頻點(diǎn) × 56 個(gè)子載波融合成 168 路虛擬子載波多節(jié)點(diǎn)部署時(shí)再做跨視角加權(quán)融合。原始數(shù)據(jù)經(jīng)過 Hampel、SpotFi、菲涅爾區(qū)等信號(hào)清洗后進(jìn)入 RuVector 推理層注意力、圖算法、分層壓縮。最終輸出實(shí)時(shí)姿態(tài)、呼吸/心率、房間指紋和漂移告警全程本地完成不依賴云端。 實(shí)測(cè)指標(biāo)數(shù)字與測(cè)試條件指標(biāo)數(shù)值測(cè)試條件存在檢測(cè)延遲1 ms約 30 秒環(huán)境校準(zhǔn)后CSI 嵌入吞吐164,183 次/秒Apple M4 Pro姿態(tài)精度MM-Fi82.69% torso-PCK20單模型/ 83.59%集成MM-Fi 公開數(shù)據(jù)集random_split協(xié)議對(duì)比 MultiFormer 72.25%、CSI2Pose 68.41%預(yù)訓(xùn)練編碼器精度82.3% 留出集時(shí)間三元組準(zhǔn)確率6 萬幀、1220 萬訓(xùn)練步4-bit 量化后僅 8 KB跌倒告警200 ms相位加速度閾值 3 幀去抖邊緣部署體積55 KB 內(nèi)存ESP32約 5.5 萬參數(shù)所有數(shù)字都可用一條命令復(fù)現(xiàn)確定性管線證明輸出VERDICT: PASSpython archive/v1/data/proof/verify.pyRust 工作區(qū)當(dāng)前 1463 項(xiàng)測(cè)試通過。三個(gè)真實(shí)場(chǎng)景誰在用、怎么用、解決什么獨(dú)居老人監(jiān)護(hù)家庭 / 養(yǎng)老機(jī)構(gòu)每個(gè)臥室放一塊 ESP32-S3約 $9不做任何視覺采集夜間監(jiān)測(cè)呼吸頻率、跌倒 2 秒內(nèi)告警。解決的核心問題是既要知道老人是否出事又不能在臥室裝攝像頭。零售與辦公占用運(yùn)營團(tuán)隊(duì)復(fù)用商場(chǎng)或辦公樓已有的 WiFi 網(wǎng)絡(luò)加 1 塊 ESP32 即可統(tǒng)計(jì)客流、停留熱圖和排隊(duì)長(zhǎng)度分辨率約 1 米。相比每區(qū)域 $200–2000 的攝像頭方案成本接近于零且天然規(guī)避視頻類隱私合規(guī)要求。智能家居生態(tài)開發(fā)者 / 極客一條--mqtt參數(shù)接入 Home Assistant每節(jié)點(diǎn) 21 個(gè)實(shí)體含疑似跌倒有人睡眠等語義狀態(tài)或以 Matter 橋接配入 Apple Home / Alexa。解決的是語音助手直接回答臥室有人嗎、呼吸正常嗎無需任何自定義技能。硬件檔位選型從 $0 筆記本到 $140 傳感網(wǎng)絡(luò)檔位硬件成本你能得到什么評(píng)估級(jí)任意 WiFi 筆記本$0僅 RSSI粗糙的存在與運(yùn)動(dòng)檢測(cè)無 CSI單節(jié)點(diǎn)ESP32-C6 研究節(jié)點(diǎn)$6–10完整 CSIWi-Fi 6 能力入門 mesh3–6 × ESP32-S3約 $54全部 CSI 能力存在、生命體征、跌倒、多人計(jì)數(shù)研究網(wǎng)卡Intel 5300 / Atheros AR9580$50–1003×3 MIMO 完整 CSI僅 Linux完整方案ESP32 Cognitum Seed約 $140上述能力 持久存儲(chǔ)、kNN 檢索、見證鏈兩個(gè)選型注意點(diǎn)ESP32-C3 和初代 ESP32 不被支持單核跑不動(dòng) CSI DSP單節(jié)點(diǎn)空間分辨率有限建議至少 2 個(gè)節(jié)點(diǎn)。穿墻能力約 5 米取決于墻體材質(zhì)。深入導(dǎo)航文檔、源碼與示例路徑用戶指南安裝、首次運(yùn)行、API、硬件、訓(xùn)練docs/user-guide.md技術(shù)決策記錄200 篇 ADR解釋每個(gè)選型的來龍去脈docs/adr/Rust 感知服務(wù)器與各模塊源碼v2/crates/醫(yī)療、睡眠、壓力監(jiān)測(cè)、three.js 可視化示例examples/實(shí)測(cè)基準(zhǔn)與效率前沿分析docs/benchmarks/收束WiFi 從聯(lián)網(wǎng)工具變成傳感器RuView 的核心價(jià)值只有一件事讓已部署在每面墻里的 WiFi 信號(hào)兼職做感知——無攝像頭、無穿戴、無新增布線且項(xiàng)目用可復(fù)現(xiàn)的證明鏈和誠實(shí)的分級(jí)標(biāo)注來支撐每個(gè)性能數(shù)字。下一步很明確先執(zhí)行第 2 節(jié)的 Docker 兩條命令30 秒內(nèi)看到模擬數(shù)據(jù)下的感知界面若界面里的存在判定和呼吸曲線符合你的預(yù)期再按第 7 節(jié)買一塊 $9 的 ESP32-S3進(jìn)入真實(shí)房間的驗(yàn)證階段。【免費(fèi)下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/wi/RuView創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 RuView：不裝攝像頭，用普通WiFi讀出人體姿態(tài)與生命體征，30秒Docker跑通
RuView不裝攝像頭用普通WiFi讀出人體姿態(tài)與生命體征30秒Docker跑通【免費(fèi)下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/wi/RuView獨(dú)居老人的臥室裝攝像頭越過隱私紅線打電話確認(rèn)又不可靠。RuView 是一個(gè) WiFi 感知系統(tǒng)它不采集任何圖像而是讀取 WiFi 信號(hào)在人體上產(chǎn)生的散射變化信道狀態(tài)信息CSI輸出房間是否有人、呼吸與心率以及 17 個(gè)關(guān)鍵點(diǎn)的人體姿態(tài)估計(jì)。 30秒Docker跑通先看一眼WiFi姿態(tài)界面裝 Docker 之后兩條命令即可啟動(dòng)默認(rèn)使用合成 CSI 數(shù)據(jù)運(yùn)行不需要任何硬件docker pull ruvnet/wifi-densepose:latest docker run -p 3000:3000 ruvnet/wifi-densepose:latest瀏覽器打開http://localhost:3000你會(huì)看到觀測(cè)臺(tái)界面中央是姿態(tài)骨架左側(cè)顯示心率、呼吸頻率和置信度右側(cè)是 WiFi 信號(hào)面板與存在判定。注意 Docker 里跑的是模擬數(shù)據(jù)——用來驗(yàn)證信號(hào)處理鏈路真實(shí)感知需要后面第七節(jié)的 CSI 硬件。不想用 Docker 也有兩條路Python 側(cè)一條命令裝 PyPI 上現(xiàn)成的 PyO3 wheel約 250KBRust 側(cè)克隆倉庫后跑引導(dǎo)安裝腳本pip install ruviewgit clone https://gitcode.com/GitHub_Trending/wi/RuView cd RuView ./install.sh --profile rust --yes能力邊界WiFi 能做什么不能做什么一句話概括RuView 能把 WiFi 波動(dòng)變成誰在、在做什么、是否異常的結(jié)構(gòu)化數(shù)據(jù)但它不是醫(yī)療認(rèn)證設(shè)備單臺(tái)筆記本無 CSI也只能做粗糙的存在檢測(cè)。存在與占用穿墻檢測(cè)并計(jì)數(shù)單次判定延遲 1ms約 30 秒環(huán)境校準(zhǔn)后進(jìn)入實(shí)時(shí)狀態(tài)單個(gè)接入點(diǎn)可區(qū)分約 3–5 人非接觸生命體征呼吸 6–30 次/分、心率 40–120 次/分基于相位帶通濾波加過零計(jì)數(shù)無需佩戴任何設(shè)備姿態(tài)與活動(dòng)17 關(guān)鍵點(diǎn)姿態(tài)、步態(tài)、跌倒告警200ms注意單節(jié)點(diǎn)實(shí)時(shí)姿態(tài)模型仍處于項(xiàng)目自標(biāo)注的初版階段PCK20 3.0%低于其 35% 目標(biāo)可信的姿態(tài)精度以 MM-Fi 基準(zhǔn)數(shù)字為準(zhǔn)環(huán)境指紋自監(jiān)督對(duì)比學(xué)習(xí)把任意 WiFi 信號(hào)壓成 128 維嵌入用于房間識(shí)別與異常檢測(cè)配套 105 個(gè)簽名的邊緣模塊健康、安防、建筑、零售等項(xiàng)目對(duì)哪個(gè)數(shù)字可信做了明確分級(jí)標(biāo)注舊版100% 存在檢測(cè)率已公開撤回替換為 82.3% 的留出集指標(biāo)——這點(diǎn)在同類項(xiàng)目里比較少見。 WiFi 怎么看到姿態(tài)信號(hào)鏈路拆解路由器持續(xù)向房間發(fā)射無線電波人體移動(dòng)甚至呼吸都會(huì)改變這些波穿過空間的方式。RuView 讓 ESP32 節(jié)點(diǎn)捕獲每個(gè)子載波上的幅度與相位變化即 CSI按 3 個(gè)頻點(diǎn) × 56 個(gè)子載波融合成 168 路虛擬子載波多節(jié)點(diǎn)部署時(shí)再做跨視角加權(quán)融合。原始數(shù)據(jù)經(jīng)過 Hampel、SpotFi、菲涅爾區(qū)等信號(hào)清洗后進(jìn)入 RuVector 推理層注意力、圖算法、分層壓縮。最終輸出實(shí)時(shí)姿態(tài)、呼吸/心率、房間指紋和漂移告警全程本地完成不依賴云端。 實(shí)測(cè)指標(biāo)數(shù)字與測(cè)試條件指標(biāo)數(shù)值測(cè)試條件存在檢測(cè)延遲1 ms約 30 秒環(huán)境校準(zhǔn)后CSI 嵌入吞吐164,183 次/秒Apple M4 Pro姿態(tài)精度MM-Fi82.69% torso-PCK20單模型/ 83.59%集成MM-Fi 公開數(shù)據(jù)集random_split協(xié)議對(duì)比 MultiFormer 72.25%、CSI2Pose 68.41%預(yù)訓(xùn)練編碼器精度82.3% 留出集時(shí)間三元組準(zhǔn)確率6 萬幀、1220 萬訓(xùn)練步4-bit 量化后僅 8 KB跌倒告警200 ms相位加速度閾值 3 幀去抖邊緣部署體積55 KB 內(nèi)存ESP32約 5.5 萬參數(shù)所有數(shù)字都可用一條命令復(fù)現(xiàn)確定性管線證明輸出VERDICT: PASSpython archive/v1/data/proof/verify.pyRust 工作區(qū)當(dāng)前 1463 項(xiàng)測(cè)試通過。三個(gè)真實(shí)場(chǎng)景誰在用、怎么用、解決什么獨(dú)居老人監(jiān)護(hù)家庭 / 養(yǎng)老機(jī)構(gòu)每個(gè)臥室放一塊 ESP32-S3約 $9不做任何視覺采集夜間監(jiān)測(cè)呼吸頻率、跌倒 2 秒內(nèi)告警。解決的核心問題是既要知道老人是否出事又不能在臥室裝攝像頭。零售與辦公占用運(yùn)營團(tuán)隊(duì)復(fù)用商場(chǎng)或辦公樓已有的 WiFi 網(wǎng)絡(luò)加 1 塊 ESP32 即可統(tǒng)計(jì)客流、停留熱圖和排隊(duì)長(zhǎng)度分辨率約 1 米。相比每區(qū)域 $200–2000 的攝像頭方案成本接近于零且天然規(guī)避視頻類隱私合規(guī)要求。智能家居生態(tài)開發(fā)者 / 極客一條--mqtt參數(shù)接入 Home Assistant每節(jié)點(diǎn) 21 個(gè)實(shí)體含疑似跌倒有人睡眠等語義狀態(tài)或以 Matter 橋接配入 Apple Home / Alexa。解決的是語音助手直接回答臥室有人嗎、呼吸正常嗎無需任何自定義技能。硬件檔位選型從 $0 筆記本到 $140 傳感網(wǎng)絡(luò)檔位硬件成本你能得到什么評(píng)估級(jí)任意 WiFi 筆記本$0僅 RSSI粗糙的存在與運(yùn)動(dòng)檢測(cè)無 CSI單節(jié)點(diǎn)ESP32-C6 研究節(jié)點(diǎn)$6–10完整 CSIWi-Fi 6 能力入門 mesh3–6 × ESP32-S3約 $54全部 CSI 能力存在、生命體征、跌倒、多人計(jì)數(shù)研究網(wǎng)卡Intel 5300 / Atheros AR9580$50–1003×3 MIMO 完整 CSI僅 Linux完整方案ESP32 Cognitum Seed約 $140上述能力 持久存儲(chǔ)、kNN 檢索、見證鏈兩個(gè)選型注意點(diǎn)ESP32-C3 和初代 ESP32 不被支持單核跑不動(dòng) CSI DSP單節(jié)點(diǎn)空間分辨率有限建議至少 2 個(gè)節(jié)點(diǎn)。穿墻能力約 5 米取決于墻體材質(zhì)。深入導(dǎo)航文檔、源碼與示例路徑用戶指南安裝、首次運(yùn)行、API、硬件、訓(xùn)練docs/user-guide.md技術(shù)決策記錄200 篇 ADR解釋每個(gè)選型的來龍去脈docs/adr/Rust 感知服務(wù)器與各模塊源碼v2/crates/醫(yī)療、睡眠、壓力監(jiān)測(cè)、three.js 可視化示例examples/實(shí)測(cè)基準(zhǔn)與效率前沿分析docs/benchmarks/收束WiFi 從聯(lián)網(wǎng)工具變成傳感器RuView 的核心價(jià)值只有一件事讓已部署在每面墻里的 WiFi 信號(hào)兼職做感知——無攝像頭、無穿戴、無新增布線且項(xiàng)目用可復(fù)現(xiàn)的證明鏈和誠實(shí)的分級(jí)標(biāo)注來支撐每個(gè)性能數(shù)字。下一步很明確先執(zhí)行第 2 節(jié)的 Docker 兩條命令30 秒內(nèi)看到模擬數(shù)據(jù)下的感知界面若界面里的存在判定和呼吸曲線符合你的預(yù)期再按第 7 節(jié)買一塊 $9 的 ESP32-S3進(jìn)入真實(shí)房間的驗(yàn)證階段。【免費(fèi)下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/wi/RuView創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考