RuView

想象一下，无需安装任何摄像头，无需佩戴任何设备，甚至无需互联网连接，仅凭房间里已有的 WiFi 信号，就能实时“看”到人的动作、呼吸甚至心跳。RuView (WiFi DensePose) 将这一科幻场景变成了现实。

RuView是一款基于物理信号处理与机器学习的前沿系统，它通过分析人体运动对 WiFi 信道状态信息（CSI）的微小扰动，重建出高精度的身体姿态、生命体征及存在状态。更重要的是，这一切都在本地边缘设备上完成，彻底保护了用户隐私。

核心突破：无线电波里的“透视眼”

RuView 不仅仅是一个传感器，它是一个完整的感知智能体：

1. 穿墙感知，无视障碍

利用菲涅尔区几何与多径建模技术，WiFi 信号可穿透墙壁、家具甚至废墟。

• 探测深度：最深可达 5 米。
• 应用场景：在摄像头无法覆盖的隐私区域（如卧室、浴室）或灾难现场（废墟下）进行有效监测。

2. 非接触式生命体征监测

无需穿戴任何设备，即可精准捕捉生理信号：

• 呼吸频率：6-30 次/分钟（带通滤波 0.1-0.5 Hz）。
• 心率检测：40-120 次/分钟（带通滤波 0.8-2.0 Hz）。
• 姿态估计：将 CSI 子载波数据转化为 DensePose UV 图，实时还原人体骨架与动作。

3. 极致隐私保护

• 无视频像素：系统只处理无线电波数据，不采集、不存储任何图像或视频。
• 完全本地化：所有计算在边缘端（如 ESP32）完成，数据不出房间，无云费用，无泄露风险。

性能怪兽：Rust 赋能的边缘智能

为了在低成本硬件上实现实时处理，RuView 的核心引擎已完全用 Rust 重写，带来了惊人的性能提升：

硬件方案：从极客到专业全覆盖

RuView 支持多种硬件配置，满足不同需求：

注意：要实现姿态估计和生命体征监测，必须使用支持 CSI (Channel State Information) 提取的硬件（如 ESP32-S3 或特定网卡）。普通设备仅能基于 RSSI 进行简单的存在检测。

智能进化：自学习与自适应

RuView 并非死板的规则系统，它具备强大的 AI 自适应能力：

• 自学习启动：无需标注数据，无需摄像头辅助，系统直接从原始 WiFi 数据中学习房间特征。
• 持久场模型：自动学习并减去房间的静态射频特征，隔离人体运动，甚至能检测数天内的环境漂移。
• 跨域泛化：一次训练，即可部署到任何新房间，自动适应不同的布局和环境干扰。
• 多基站融合：4-6 个传感器节点协同工作，构建 360 度无死角覆盖，消除盲区与深度模糊。

30 秒快速体验

只需一条 Docker 命令，即可在本地启动实时感测服务（需配合兼容硬件）：

# 拉取镜像
docker pull ruvnet/wifi-densepose:latest

# 运行容器
docker run -p 3000:3000 ruvnet/wifi-densepose:latest

# 打开浏览器查看实时数据
# http://localhost:3000

若暂无硬件，可使用内置的确定性参考信号验证信号处理管道：

python v1/data/proof/verify.py

应用前景

• 智慧养老：在无侵犯感的条件下，监测独居老人的跌倒、呼吸异常。
• 灾难救援：穿透废墟探测幸存者生命体征，指导救援行动。
• 智能家居：根据人员位置和状态自动调节灯光、空调，实现真正的“无感交互”。
• 安防监控：在隐私敏感区域（如更衣室外部走廊）进行异常行为检测，而不泄露内部影像。