WiFi 信号穿墙感知人体姿态：无摄像头、无穿戴，路由器即传感器

原理并不复杂

WiFi 信号在室内空间传播时，碰到人体会产生散射。人呼吸时胸腔起伏、心跳时身体微幅震动，这些都会引起信号的细微变化。WiFi DensePose 做的事情，就是捕捉这些变化，再通过 AI 模型还原成人体姿态的 17 个关键点。

整个链路可以概括为：WiFi 路由器发出无线电波 → 电波碰到人体产生散射 → 信号变化被采集 → AI 分析 → 输出实时人体姿态及生命体征数据。

几组关键数据

性能方面，Rust 重写版本比 Python 版快 810 倍，每秒处理 54,000 帧，生命体征检测达到 11,665 fps。

成本方面，全套硬件仅需约 $54（6 块 ESP32-S3 开发板），单片 ESP32-S3 在淘宝上大约 8 块钱。

部署方面，Docker 镜像仅 132MB，两行命令 30 秒即可运行：

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

感知能力上，能穿透 30cm 混凝土墙，深度感知达 5 米。在暗光和烟雾环境下依然正常工作，这一点是传统摄像头方案做不到的。

隐私层面，由于没有摄像头，不产生任何图像数据，天然符合 GDPR/HIPAA 等隐私法规要求。

上手前值得了解的几件事

普通笔记本能不能玩？ 能，但只能做粗略的"有没有人"检测（RSSI 级别）。要实现完整的姿态估计和呼吸心跳检测，需要 ESP32-S3 这类能输出 CSI（信道状态信息）的硬件。好在单片成本极低。

入门门槛高不高？ Docker 一行命令即可启动，--source simulate 模式下连硬件都不需要，可以先跑模拟 demo 看效果。项目还提供了 WASM 版本，浏览器里就能运行。

只能检测一个人？ 不是。单个接入点能区分 3-5 个人，4 个 ESP32 节点组成 mesh 网络可以建立 12 条测量链路，实现 360 度无死角覆盖。双人同时追踪的测试中，10 分钟内零 ID 切换错误。

成本对比

和传统摄像头方案放在一起对比，差距相当明显：

硬件成本差了 25 到 250 倍。

落地方向

智慧养老方案是目前最容易落地的场景。独居老人跌倒检测、夜间呼吸监测、活动异常报警，不需要摄像头意味着老人接受度高。社区或养老院方案报价 $500-2000/套，硬件成本 $54，利润空间可观。

智能家居升级也很直接——穿墙人体感知可以实现进房间自动开灯开空调，比传统 PIR 传感器灵敏 10 倍且没有死角，接入 HomeAssistant 就是一套完整方案。

安防替代方案在国内和出海市场都有需求。GDPR 让摄像头监控的合规成本越来越高，WiFi 感知天然无图像。商场客流统计、办公室工位使用率、酒店房间占用检测，都可以全程无摄像头实现。

灾难救援设备方向门槛更高但利润空间也更大。WiFi-Mat 模块能穿透废墟检测幸存者呼吸并自动进行 START 分级，适用于消防、搜救和军事场景。

技术咨询与集成服务则适合有 IoT 背景的独立开发者，帮硬件团队做方案对接。项目采用 MIT 协议，商用完全没有问题。

技术栈概览

• 核心语言：Rust（性能版）+ Python（兼容版）
• 信号处理：SpotFi 相位校正、Hampel 滤波、菲涅尔区建模、FFT 频谱分析
• AI 架构：Graph Transformer + 注意力机制 + GNN
• 硬件支持：ESP32-S3（$8）、Intel 5300、Atheros AR9580
• 部署方式：Docker（132MB）、WASM（浏览器）、原生编译
• API：REST + WebSocket 实时推送
• 测试覆盖：1100+ 测试用例，SHA-256 证明验证

项目已发布 15 个 Rust crate 到 crates.io，配有 33 篇架构决策文档（ADR），代码质量相当扎实。

小结

用 $8 一片的 ESP32 做到穿墙级别的人体感知、呼吸心跳检测，同时完全不涉及图像数据——这个项目确实刷新了 WiFi 感知方案的成本和隐私边界。对于做 IoT 智能方案的独立开发者，建议先用 --source simulate 模式跑一遍 demo，验证场景可行性后再采购硬件，8 块钱一片的试错成本几乎可以忽略。