wifi-densepose

时而言，有初、中、后之分；日而言，有今、昨、明之称；身而言，有幼、壮、艾之期。—刘禹锡

WiFi DensePose: 用 WiFi 信号穿墙实现人体姿态检测的未来科技

什么是 WiFi DensePose？

WiFi DensePose 是一款利用 WiFi 信号进行人体姿态估计的开创性系统。它可以通过墙壁、仅借助普通的网状 WiFi 路由器，在不开启摄像头的情况下实现实时的全身追踪。这套系统通过使用 WiFi 信号中的频道状态信息（CSI）结合先进的机器学习技术，实现了隐私友好型的人体姿态检测。

仓库地址：ruvnet/wifi-densepose
Star 数：7080
开发语言：Python、Rust
开源协议：MIT License
立项时间：2025年6月

---

核心特色

🚀 创新之处

1. 保护隐私方式的实时姿态检测：完全无摄像头依赖，利用 WiFi 信号即可完成姿态估计，非常适合强调隐私保护的场景，例如家庭、健身房或敏感场所。
2. 超低延迟：在50毫秒以内完成运算，支持30FPS 的实时姿态追踪。
3. 多目标追踪：同时追踪10个体。
4. 硬件无关：无需高端设备，能在普通 WiFi 路由器上运行。
5. 企业级部署支持：安全认证、速率限制和监控等功能一应俱全。
6. 支持模块化和多领域优化：可应用于医疗保健、健身、智能家居以及安防等场景。

---

技术细节与架构设计

WiFi DensePose 基于对 WiFi 信号的 Channel State Information (CSI) 数据进行深入处理，以反向推导人体的姿态信息。

系统整体结构

WiFi DensePose 的运行包括以下模块：

1. Channel State Information (CSI) 数据预处理

   • 对 WiFi 信号的相位进行调整与校正。

   • 应用滤波器优化信号。

   • 通过线性拟合剔除误差。

     class CSIPhaseProcessor:
        def sanitize_phase(self, raw_phase):
            # 阶段1：相位解包
            unwrapped = self.unwrap_phase(raw_phase)
     
            # 阶段2：滤波阶段（中值 + 均匀滤波器）
            filtered = self.apply_filters(unwrapped)
     
            # 阶段3：��性拟合去噪
            sanitized = self.linear_fitting(filtered)
     
            return sanitized

2. 多模态翻译网络

   • 输入：150×3×3 的 WiFi 智能信号张量
   • 处理：双分支编码 → 特征融合 → 空间放大
   • 输出：3通道720×1280的图像般特征表示。

3. DensePose-RCNN 网络

   • 特征提取：使用 ResNet-FPN。
   • 预测头：生成UV坐标地图并检测关键点。

4. 实时流式处理与 WebSocket 支持

   • 提供一个现代化的 FastAPI 接口。
   • 提供 RESTful 与 WebSocket 选项，可生成实时人体姿态流。

---

Python 与 Rust 的两种实现

有趣的是，WiFi DensePose 提供了两套不同的实现：Python 和 Rust，分别适合不同需求的架构和场景。其中，Rust 的实现展现出优秀的性能和资源优化能力。

Rust 实现性能对比

操作	Python (v1)	Rust (v2)	提速比
CSI数据预处理	~5ms	5.19 µs	~1000倍
相位校正（Phase Sanitization）	~3ms	3.84 µs	~780倍
特征提取	~8ms	9.03 µs	~890倍
动作检测	~1ms	186 ns	~5400倍
全流程总耗时	~15ms	18.47 µs	~810倍

更快的实现显然在资源消耗上也更优：更低的内存占用、更精简的二进制体积，且对 WebAssembly（WASM）有更好的支持。

---

应用案例

医疗与健康应用

WiFi DensePose 在医疗和健康行业有广泛的应用场景，包括跌倒检测、老年人活动分析等。比如，设备装置在老年公寓，通过 CSI 信号快速追踪房间内住户的活动状态，即便发生意外如滑倒，系统也能立即识别并报警。

智能健身房解决方案

利用人体追踪技术，WiFi DensePose 可以记录动作完成情况，比如在瑜伽或健身课程中使用实时流分析纠正用户姿态，并直接映射到动作评分。

---

全流程硬件部署成本友好且操作简单

所需硬件

• 两台网状路由器（推荐 TP-Link AC1750, $15 每台）
• 3x3 MIMO 天线配置
• 运行环境：普通笔记本或树莓派

快速开始

安装系统后，仅需启动以下命令即可：

# 启动 API 服务
python -m src.main

通过 WebSocket，直接在 Web 前端接入实时 Pose 流。

---

WiFi DensePose 的可能性

WiFi DensePose 是一个极具前景的开创性项目。相比传统依赖摄像头的姿态估计方法，它以无侵入、隐私友好的方式，深刻地改变了我们与空间环境及人体感知交互的方式。数据处理优化与实时能力的提升也让它跻身全球顶尖技术之列。

欢迎访问项目主页：Wifi-DensePose，一起探索未来姿态检测的无限可能性吧！