RuView 指南：穿墙感知人在、呼吸与心率
【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
老人独居时，你最想知道的无非两件事：人在不在家、呼吸正不正常。RuView 用家里现成的 WiFi 信号做穿墙人体感知，不用摄像头、不用手环，一块九块钱的传感器节点加你原有的路由器，就能告诉你谁在屋里、有几个人、呼吸和心率怎么样。
RuView 是一个开源的 WiFi 感知平台，GitHub 推荐精选项目之一，MIT 协议，Rust 写的核心，全部跑在本地硬件上，不依赖云。
它是怎么做到的？
原理并不玄。路由器发出的无线电波本来就会在墙壁和人体之间反射：
- 捕捉扰动：人一移动、甚至只是呼吸，WiFi 波的散射就会微妙变化，ESP32 节点把这些变化提取成信道状态信息（CSI）
- 去噪与融合：原始信号先滤波，多个节点、多个频道的数据融合成一组干净特征
- 模型解读：训练好的小神经网络把特征映射成具体结果——人在不在、呼吸、心率、17 个身体关键点
- 本地自学习：系统在屋里持续学习，约 30 秒就能适应你的户型，数据不出门
上图就是完整链路：原始 WiFi 信号经净化和网络转换，直接输出人体姿态，全程没有一个视频像素。
哪些能力真正好用
| 能力 | 做什么 | 举个例子 |
|---|---|---|
| 穿墙存在与人数 | 隔墙数出每个房间几个人 | 出租屋统计客厅人数，不用装摄像头 |
| 非接触生命体征 | 从呼吸读出呼吸率（6–30 次/分）和心率 | 凌晨三点呼吸突然加快，自动推送提醒 |
| 跌倒检测 | 冲击加骤停判定，200 毫秒内出告警 | 老人在浴室摔倒，告警比家人赶回去还快 |
| 无摄像头姿态 | 从 WiFi 重建 17 个身体关键点 | 公开 MM-Fi 基准上躯干关键点准确率 82.69%，超过此前公开最佳方案的 72.25% |
姿态检测的实时画面长这样，骨架完全由 WiFi 信号解出来：
三步跑起来 RuView 入门
不用硬件，先用模拟数据把 demo 跑通：
git clone https://gitcode.com/GitHub_Trending/wi/RuView docker pull ruvnet/wifi-densepose:latest && docker run -p 3000:3000 ruvnet/wifi-densepose:latest只需三步：克隆仓库、拉取 Docker 镜像并运行、浏览器打开本地 3000 端口。你会看到实时感知的界面——心率、呼吸、在场状态都在动。
想接真实信号，硬件怎么选
一块ESP32-S3小板（约 9 美元）就能做存在检测、呼吸和粗略运动。2–3 块节点可以定位到人体位置和运动方向，4 块以上再配合训练好的模型才谈得上完整姿态。只想要 Python 库的话，装一下 PyPI 上的 ruview 包即可，不用折腾服务器。
值得深挖的文档和模块
仓库很大，入口挑这几份看就够：
- 用户手册：从安装、首次运行到 API 用法的完整路径
- 校准指南：模型如何适应你的房间，哪些条件必须满足
- Home Assistant 与 Matter 接入：把在场和体征接进智能家居，自带 21 个实体和 3 个蓝图
- 医疗示例：非接触心率、血压估算的示例代码
- 边缘模块目录：跌倒检测、睡眠呼吸暂停、入侵告警等 100 多个签名小模块，按需安装
还在成熟的部分
这个项目对自身成熟度的标注很诚实，上手前建议先看清：
- 单节点 17 关键点姿态仍是初版水平、低于目标，前面的 82.69% 是公开基准数字，不是单节点实时数字
- 单天线节点的空间分辨率有限，官方建议至少 2 个节点，或搭配约 140 美元的 Cognitum Seed
- 软件处于 Beta，定位是研究原型；体征输出不是医疗器械，落地前需要独立验证
回到开头的场景：不装摄像头、不戴手环，一块 ESP32 加现成 WiFi 就能搭一个全天候的“守护者”。先跑那条 Docker 命令，看看界面再决定要不要往下挖。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
