RuView：WiFi 信号实现无摄像头人体感知

从事智能家居、安防相关研究工作的兄弟们, 想必都曾纠结于这样一个问题, 那就是想要达成人体检测以及姿态追踪的目标, 可又会担忧因摄像头而引发的隐私泄露风险。近期发现了一个颇具趣味的开源项目, 它能够将普通WiFi信号转变为空间感知系统, 无需借助摄像头, 也不用穿戴设备, 就能够达成人体姿态估计以及生命体征监测, 在无线AI感知这个领域当中, 是一个值得予以关注的优质案例。核心技术亮点隐私优先无摄像头全场景感知这属于最核心的优势范畴, 它彻底摒弃了摄像头的相关方案, 仅仅借助WiFi信号的信道状态信息即CSI来达成感知, 人体出现移动、呼吸乃至心跳的情况, 均会对空间里的WiFi无线电波产生能够测量的扰动, 该项目凭借捕捉这些细微的变化, 便可以还原出人体的位置、动作以及生命体征, 整个运行过程不会去采集任何图像以及视频数据, 全部的运算能够完全在本地边缘设备上运行, 从根本的源头上规避了隐私泄露所带来的风险, 并且还能够穿越墙壁并且在完全黑暗的环境当中正常开展工作。全维度感知能力覆盖多行业场景项目具备的感知能力, 涵盖了从基础至专业的全场景需求, 它不仅能够达成人员存在检测、人数统计以及进出追踪, 还能够输出人体姿态估计, 此人体姿态估计包含 17 个 COCO 关键点它支持无接触检测呼吸频率与心率, 可实现睡眠质量监测、呼吸暂停筛查以及跌倒检测等健康相关功能甚至它还能完成环境映射、物体移动检测以及手势识别, 与之配套的 WiFi - Mat 模块, 还能够应用于灾害救援场景, 通过穿透废墟检测被困幸存者的生命体征。极致性能极低部署门槛该项目的核心代码是运用 Rust 来达成的, 相较于初代版本而言, 整个处理流水线达成的业绩是原业绩的 810倍, 单帧 CSI 处理延迟低到了 18.47 微秒, 生命体征检测这个处理过程的速度能够达到 11665 帧每秒。对于硬件门槛而言其也是极低的, 仅需要将成本约 9 美元的 ESP32 - S3 开发板用作核心感知, 如此便能实现, 经多节点组网还能够进一步提升感知精度, 与此同时, 会提供一键部署方案以及预训练模型, 普通的 WiFi 设备也能够实现基础的存在检测, 无论是技术爱好者还是行业开发者, 均能够快速上手。高扩展性完善的生态适配该项目原生对 MCP 协议予以支持, 其内置着 65 多个并且能够进行热加载的边缘智能模块, 这些模块覆盖了医疗健康领域、安防领域、智能家居领域、工业安全领域、零售领域等多个不同领域, 还支持通过自定义 WASM 模块来扩展功能。与此同时, 它提供了完整的 REST API 以及实时流, 借助这些可轻松与各类自动化系统实现对接, 基于 MIT 开源协议完全处于开放状态, 代码结构清晰明了, 有着超过 542 项测试用以保障稳定性。项目小结从整体上去看, 它并非是实验室当中的概念性产品, 它针对WiFi人体感知的学术研究, 达成了完整的工程化落地, 借助极低的成本, 解决了传统视觉感知存在的隐私痛点, 它既适宜技术爱好者钻研无线AI感知技术, 又能够为居家养老、智能家居、工业安防等场景, 供给隐私友好的感知解决方案, 在开源AI领域里, 是一个具备颇高参考价值的实践。在最后, 还想向各位兄弟们问询一下对于这般不存在摄像头的WiFi感知技术你们持有怎样的看法, 有没有思考过凭借它开展智能家居或者养老监测层面相关的应用呢。评论区里一块儿展开讨论呀。