94.8K+ Star！ RuView：用普通WiFi信号实现空间智能感知- 大数跨境

首页

94.8K+ Star！ RuView：用普通WiFi信号实现空间智能感知

AIGC创想者

2026-09-23

导读：RuView简介物联网RuView 是一个基于 WiFi 信道状态信息（CSI）的空间感知平台，它将环境

RuView简介

物联网

RuView 是一个基于 WiFi信道状态信息（CSI）的空间智能感知平台，通过普通 WiFi 射频信号实现“无摄像头、无穿戴设备”的环境感知：检测人员存在、统计人数、识别活动、估算呼吸/心率、进行姿态估计，并与主流智能家居生态（Home Assistant、Apple Home、Google Home、Alexa、Matter 等）集成。

它的核心思路是把WiFi电波在空间中受到人体扰动后产生的变化转化为可分析的信号，再结合边缘计算、机器学习与自动化，将低成本ESP32 设备变成环境传感器。

它主要为了解决传统人员感知与环境监测往往依赖摄像头、可穿戴设备或云端服务，存在隐私、成本、部署复杂度和场景限制等问题。

通过低成本的ESP32传感器采集 WiFi CSI 数据，在本地或边缘侧完成推理与自动化，适合家庭、养老照护、办公空间、商业人流、安防与健康监测等场景。

亮点特性

01极低成本的边缘计算

单节点硬件成本低至 9 美元，量化后的模型仅占 8KB 内存，可在树莓派等边缘设备上以微秒级延迟运行，完全脱离云端。

02全方位的非接触感知能力

不仅能穿墙检测人员存在和计数，还能实时估算呼吸率（6-30 BPM）和心率（40-120 BPM），甚至进行 17 个关键点的人体姿态估计。

03开箱即用的智能家居生态

原生支持 Home Assistant、Apple Home、Google Home 和 Amazon Alexa，通过 Matter 协议或 MQTT 桥接，单条命令即可暴露数十种语义化实体状态（如“有人跌倒”、“房间活跃”）。

04丰富的边缘模块市场

内置 105 个经过签名的边缘计算模块（Cogs），覆盖健康医疗、安防监控、工业安全、零售分析等场景，支持按需热插拔安装。

05严谨的学术诚实与可验证性

项目主动撤回过早期夸大的准确率声明，公开了真实的基准测试数据（如 MM-Fi 数据集上 82.69% 的姿态估计准确率），并提供了一键复现的确定性验证脚本。

使用场景

场景 1独居老人看护

在卧室或卫生间部署低成本节点，无感监测老人的呼吸、心率及睡眠状态，并在发生跌倒时立即触发报警，避免侵犯隐私的摄像头方案。

场景 2智能家居无感联动

替代传统的红外人体传感器，实现穿墙级别的人员存在检测，精准控制不同房间的灯光、空调和音乐，消除感应死角。

场景 3商业零售客流分析

利用门店现有的 WiFi 网络或加装少量节点，统计各区域的客流量、顾客停留热力图和排队长度，全程不涉及人脸采集，天然符合隐私合规要求。

使用环境

编程语言	Python (uv 或 pip)
运行方式	能访问终端的代理(Claude Code/Codex)

快速上手

RuView 提供了从纯软件模拟到真实硬件部署的多种体验方式。

1. Docker 快速体验（无需硬件，使用模拟数据）

适合初步了解系统界面和数据处理流程：

●●●

docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
# 浏览器打开 http://localhost:3000 查看可视化面板

2. Python 库安装（用于算法集成与开发）

项目已发布至 PyPI，可直接作为 Python 库调用：

●●●

pip install ruview
# 若需要 WebSocket 和 MQTT 客户端支持：
pip install "ruview[client]"

基础用法示例（提取呼吸率）：

●●●

from ruview import BreathingExtractor, HeartRateExtractor

# 初始化提取器并处理 CSI 数据流
breathing = BreathingExtractor()
heart_rate = HeartRateExtractor()

3. 真实硬件部署（ESP32-S3 节点）

需要准备一块约 $9 的 ESP32-S3 开发板，刷入固件并配置网络：

●●●

# 刷入固件
python -m esptool --chip esp32s3 --port COM9 --baud 460800 \
 write_flash 0x0 bootloader.bin 0x8000 partition-table.bin \
 0xf000 ota_data_initial.bin 0x20000 esp32-csi-node.bin

# 配置 WiFi 和目标服务器 IP
python firmware/esp32-csi-node/provision.py --port COM9 \
 --ssid "YourWiFi" --password "secret" --target-ip 192.168.1.20

4. 下载预训练模型

模型托管在 Hugging Face 上，可通过命令行一键下载：

●●●

pip install huggingface_hub
huggingface-cli download ruvnet/wifi-densepose-pretrained --local-dir models/wifi-densepose-pretrained

替代方案

对比 1Wireshark + Nexmon CSI

Nexmon 是经典的 WiFi CSI 提取工具，主要面向学术研究提供底层数据包抓取能力；而 RuView 是一个完整的端到端应用平台，包含了从信号处理、AI 推理到智能家居集成的全链路。

对比 2mmWave 毫米波雷达（如 TI IWR 系列）

毫米波雷达在测距和点云生成上精度更高，但需要额外购买专用硬件且无法穿墙；RuView 利用现有 WiFi 基础设施，成本更低且具备穿墙能力，但在绝对空间精度上不及专业雷达。

对比 3OpenPose / MediaPipe

主流的视觉姿态估计方案，精度极高，但严重依赖摄像头，受光照影响大且存在严重的隐私争议；RuView 采用纯射频信号，彻底解决了隐私和暗光环境下的感知难题。