RuView不裝攝像頭用普通WiFi讀出人體姿態與生命體征30秒Docker跑通【免費下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項目地址: https://gitcode.com/GitHub_Trending/wi/RuView獨居老人的臥室裝攝像頭越過隱私紅線打電話確認又不可靠。RuView 是一個 WiFi 感知系統它不采集任何圖像而是讀取 WiFi 信號在人體上產生的散射變化信道狀態信息CSI輸出房間是否有人、呼吸與心率以及 17 個關鍵點的人體姿態估計。 30秒Docker跑通先看一眼WiFi姿態界面裝 Docker 之后兩條命令即可啟動默認使用合成 CSI 數據運行不需要任何硬件docker pull ruvnet/wifi-densepose:latest docker run -p 3000:3000 ruvnet/wifi-densepose:latest瀏覽器打開http://localhost:3000你會看到觀測臺界面中央是姿態骨架左側顯示心率、呼吸頻率和置信度右側是 WiFi 信號面板與存在判定。注意 Docker 里跑的是模擬數據——用來驗證信號處理鏈路真實感知需要后面第七節的 CSI 硬件。不想用 Docker 也有兩條路Python 側一條命令裝 PyPI 上現成的 PyO3 wheel約 250KBRust 側克隆倉庫后跑引導安裝腳本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 波動變成誰在、在做什么、是否異常的結構化數據但它不是醫療認證設備單臺筆記本無 CSI也只能做粗糙的存在檢測。存在與占用穿墻檢測并計數單次判定延遲 1ms約 30 秒環境校準后進入實時狀態單個接入點可區分約 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數無需佩戴任何設備姿態與活動17 關鍵點姿態、步態、跌倒告警200ms注意單節點實時姿態模型仍處于項目自標注的初版階段PCK20 3.0%低于其 35% 目標可信的姿態精度以 MM-Fi 基準數字為準環境指紋自監督對比學習把任意 WiFi 信號壓成 128 維嵌入用于房間識別與異常檢測配套 105 個簽名的邊緣模塊健康、安防、建筑、零售等項目對哪個數字可信做了明確分級標注舊版100% 存在檢測率已公開撤回替換為 82.3% 的留出集指標——這點在同類項目里比較少見。 WiFi 怎么看到姿態信號鏈路拆解路由器持續向房間發射無線電波人體移動甚至呼吸都會改變這些波穿過空間的方式。RuView 讓 ESP32 節點捕獲每個子載波上的幅度與相位變化即 CSI按 3 個頻點 × 56 個子載波融合成 168 路虛擬子載波多節點部署時再做跨視角加權融合。原始數據經過 Hampel、SpotFi、菲涅爾區等信號清洗后進入 RuVector 推理層注意力、圖算法、分層壓縮。最終輸出實時姿態、呼吸/心率、房間指紋和漂移告警全程本地完成不依賴云端。 實測指標數字與測試條件指標數值測試條件存在檢測延遲1 ms約 30 秒環境校準后CSI 嵌入吞吐164,183 次/秒Apple M4 Pro姿態精度MM-Fi82.69% torso-PCK20單模型/ 83.59%集成MM-Fi 公開數據集random_split協議對比 MultiFormer 72.25%、CSI2Pose 68.41%預訓練編碼器精度82.3% 留出集時間三元組準確率6 萬幀、1220 萬訓練步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 內存ESP32約 5.5 萬參數所有數字都可用一條命令復現確定性管線證明輸出VERDICT: PASSpython archive/v1/data/proof/verify.pyRust 工作區當前 1463 項測試通過。三個真實場景誰在用、怎么用、解決什么獨居老人監護家庭 / 養老機構每個臥室放一塊 ESP32-S3約 $9不做任何視覺采集夜間監測呼吸頻率、跌倒 2 秒內告警。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。零售與辦公占用運營團隊復用商場或辦公樓已有的 WiFi 網絡加 1 塊 ESP32 即可統計客流、停留熱圖和排隊長度分辨率約 1 米。相比每區域 $200–2000 的攝像頭方案成本接近于零且天然規避視頻類隱私合規要求。智能家居生態開發者 / 極客一條--mqtt參數接入 Home Assistant每節點 21 個實體含疑似跌倒有人睡眠等語義狀態或以 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 傳感網絡檔位硬件成本你能得到什么評估級任意 WiFi 筆記本$0僅 RSSI粗糙的存在與運動檢測無 CSI單節點ESP32-C6 研究節點$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、多人計數研究網卡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、kNN 檢索、見證鏈兩個選型注意點ESP32-C3 和初代 ESP32 不被支持單核跑不動 CSI DSP單節點空間分辨率有限建議至少 2 個節點。穿墻能力約 5 米取決于墻體材質。深入導航文檔、源碼與示例路徑用戶指南安裝、首次運行、API、硬件、訓練docs/user-guide.md技術決策記錄200 篇 ADR解釋每個選型的來龍去脈docs/adr/Rust 感知服務器與各模塊源碼v2/crates/醫療、睡眠、壓力監測、three.js 可視化示例examples/實測基準與效率前沿分析docs/benchmarks/收束WiFi 從聯網工具變成傳感器RuView 的核心價值只有一件事讓已部署在每面墻里的 WiFi 信號兼職做感知——無攝像頭、無穿戴、無新增布線且項目用可復現的證明鏈和誠實的分級標注來支撐每個性能數字。下一步很明確先執行第 2 節的 Docker 兩條命令30 秒內看到模擬數據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期再按第 7 節買一塊 $9 的 ESP32-S3進入真實房間的驗證階段。【免費下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項目地址: https://gitcode.com/GitHub_Trending/wi/RuView創作聲明：本文部分內容由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讀出人體姿態與生命體征30秒Docker跑通【免費下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項目地址: https://gitcode.com/GitHub_Trending/wi/RuView獨居老人的臥室裝攝像頭越過隱私紅線打電話確認又不可靠。RuView 是一個 WiFi 感知系統它不采集任何圖像而是讀取 WiFi 信號在人體上產生的散射變化信道狀態信息CSI輸出房間是否有人、呼吸與心率以及 17 個關鍵點的人體姿態估計。 30秒Docker跑通先看一眼WiFi姿態界面裝 Docker 之后兩條命令即可啟動默認使用合成 CSI 數據運行不需要任何硬件docker pull ruvnet/wifi-densepose:latest docker run -p 3000:3000 ruvnet/wifi-densepose:latest瀏覽器打開http://localhost:3000你會看到觀測臺界面中央是姿態骨架左側顯示心率、呼吸頻率和置信度右側是 WiFi 信號面板與存在判定。注意 Docker 里跑的是模擬數據——用來驗證信號處理鏈路真實感知需要后面第七節的 CSI 硬件。不想用 Docker 也有兩條路Python 側一條命令裝 PyPI 上現成的 PyO3 wheel約 250KBRust 側克隆倉庫后跑引導安裝腳本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 波動變成誰在、在做什么、是否異常的結構化數據但它不是醫療認證設備單臺筆記本無 CSI也只能做粗糙的存在檢測。存在與占用穿墻檢測并計數單次判定延遲 1ms約 30 秒環境校準后進入實時狀態單個接入點可區分約 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數無需佩戴任何設備姿態與活動17 關鍵點姿態、步態、跌倒告警200ms注意單節點實時姿態模型仍處于項目自標注的初版階段PCK20 3.0%低于其 35% 目標可信的姿態精度以 MM-Fi 基準數字為準環境指紋自監督對比學習把任意 WiFi 信號壓成 128 維嵌入用于房間識別與異常檢測配套 105 個簽名的邊緣模塊健康、安防、建筑、零售等項目對哪個數字可信做了明確分級標注舊版100% 存在檢測率已公開撤回替換為 82.3% 的留出集指標——這點在同類項目里比較少見。 WiFi 怎么看到姿態信號鏈路拆解路由器持續向房間發射無線電波人體移動甚至呼吸都會改變這些波穿過空間的方式。RuView 讓 ESP32 節點捕獲每個子載波上的幅度與相位變化即 CSI按 3 個頻點 × 56 個子載波融合成 168 路虛擬子載波多節點部署時再做跨視角加權融合。原始數據經過 Hampel、SpotFi、菲涅爾區等信號清洗后進入 RuVector 推理層注意力、圖算法、分層壓縮。最終輸出實時姿態、呼吸/心率、房間指紋和漂移告警全程本地完成不依賴云端。 實測指標數字與測試條件指標數值測試條件存在檢測延遲1 ms約 30 秒環境校準后CSI 嵌入吞吐164,183 次/秒Apple M4 Pro姿態精度MM-Fi82.69% torso-PCK20單模型/ 83.59%集成MM-Fi 公開數據集random_split協議對比 MultiFormer 72.25%、CSI2Pose 68.41%預訓練編碼器精度82.3% 留出集時間三元組準確率6 萬幀、1220 萬訓練步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 內存ESP32約 5.5 萬參數所有數字都可用一條命令復現確定性管線證明輸出VERDICT: PASSpython archive/v1/data/proof/verify.pyRust 工作區當前 1463 項測試通過。三個真實場景誰在用、怎么用、解決什么獨居老人監護家庭 / 養老機構每個臥室放一塊 ESP32-S3約 $9不做任何視覺采集夜間監測呼吸頻率、跌倒 2 秒內告警。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。零售與辦公占用運營團隊復用商場或辦公樓已有的 WiFi 網絡加 1 塊 ESP32 即可統計客流、停留熱圖和排隊長度分辨率約 1 米。相比每區域 $200–2000 的攝像頭方案成本接近于零且天然規避視頻類隱私合規要求。智能家居生態開發者 / 極客一條--mqtt參數接入 Home Assistant每節點 21 個實體含疑似跌倒有人睡眠等語義狀態或以 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 傳感網絡檔位硬件成本你能得到什么評估級任意 WiFi 筆記本$0僅 RSSI粗糙的存在與運動檢測無 CSI單節點ESP32-C6 研究節點$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、多人計數研究網卡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、kNN 檢索、見證鏈兩個選型注意點ESP32-C3 和初代 ESP32 不被支持單核跑不動 CSI DSP單節點空間分辨率有限建議至少 2 個節點。穿墻能力約 5 米取決于墻體材質。深入導航文檔、源碼與示例路徑用戶指南安裝、首次運行、API、硬件、訓練docs/user-guide.md技術決策記錄200 篇 ADR解釋每個選型的來龍去脈docs/adr/Rust 感知服務器與各模塊源碼v2/crates/醫療、睡眠、壓力監測、three.js 可視化示例examples/實測基準與效率前沿分析docs/benchmarks/收束WiFi 從聯網工具變成傳感器RuView 的核心價值只有一件事讓已部署在每面墻里的 WiFi 信號兼職做感知——無攝像頭、無穿戴、無新增布線且項目用可復現的證明鏈和誠實的分級標注來支撐每個性能數字。下一步很明確先執行第 2 節的 Docker 兩條命令30 秒內看到模擬數據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期再按第 7 節買一塊 $9 的 ESP32-S3進入真實房間的驗證階段。【免費下載鏈接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.項目地址: https://gitcode.com/GitHub_Trending/wi/RuView創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考