RuView：用普通 WiFi 实现穿墙人体感知与生命体征监测

RuView 是一个开源项目，利用商用 WiFi 设备的 CSI（信道状态信息）实现无摄像头、无穿戴设备的实时人体姿态估计、呼吸心率监测和存在检测。基于 Rust 构建，支持 ESP32 硬件采集，原生接入 Home Assistant、Apple Home、Google Home 等主流智能家居生态，提供预训练模型与 AI 工具链，将物理空间转化为可感知的数字孪生。

适用人群：智能家居开发者与集成商，希望在不部署摄像头的前提下实现房间级存在检测、跌倒报警与生命体征监护的工程师；嵌入式与边缘计算研发人员，关注如何在低成本 ESP32 等 MCU 上跑通 CSI 采集与推理全流程的开发者；隐私敏感场景的产品经理与架构师，需在医院、养老院、酒店等禁止摄像头区域落地非接触式监测方案的决策者。

适用场景：居家养老监护：在老人卧室部署 RuView 节点，实时上报呼吸率、心率与姿态变化，跌倒或异常立即推送至 Home Assistant 触发告警，无需老人佩戴任何设备；婴儿房无感监护：利用 WiFi 穿透性在婴儿床上方监测呼吸微动与体动，结合 Siri 或 Alexa 语音播报，避免红外摄像头隐私担忧与辐射顾虑；会议室与办公区智能占用：通过存在检测自动控制灯光空调，统计工位使用率，配合 Matter 协议接入企业级楼宇管理系统，实现真正的零接触空间智能。

推荐理由：RuView 以极低硬件成本（ESP32 + 普通路由器）打通了从 CSI 采集、信号处理、深度学习推理到智能家居集成的完整链路，Rust 核心保证高性能与内存安全，预训练模型开箱即用，文档完善且原生支持四大生态。它重新定义了“空间感知”的边界——无摄像头、无穿戴、穿墙工作，是隐私优先时代空间智能的最佳开源实践。

项目定位与背景

RuView 由 ruvnet 团队发起，定位为“将普通 WiFi 信号转化为实时空间智能”的开源框架。传统的人体感知依赖摄像头（隐私风险）、毫米波雷达（成本高、部署复杂）或穿戴设备（依从性差）。WiFi CSI 技术利用现有 802.11n/ac/ax 设备在通信过程中产生的信道状态信息，其中的振幅与相位变化蕴含了环境中物体运动、人体微动（呼吸、心跳）的调制特征。RuView 的核心贡献在于将这一物理层现象工程化：从 ESP32 固件采集原始 CSI，到 Rust 编写的高性能信号处理管线（去噪、相位校准、多天线波束形成），再到基于 DensePose 架构的轻量化神经网络实时推理姿态关键点、呼吸波形与心率，最后通过 MQTT、HAP、Matter 等标准协议无缝接入主流智能家居平台。项目在 GitHub 获得 10 万+ Star，印证了开发者对“零硬件增量、强隐私保护、全栈开源”这一技术路线的高度认可。

核心功能与技术架构

RuView 的技术栈呈现典型的边云协同分层架构。底层硬件层提供 `firmware/esp32-csi-node`，基于 ESP32-S3 或 ESP32-C6 运行 FreeRTOS，利用 ESP-IDF 的 WiFi 驱动 Hook 导出 HT/VHT/HE 长训练字段 CSI，支持 2x2 或 4x4 MIMO，采样率可达 200 Hz，通过 UART/TCP 实时流出。中间件层 `ruview-core` 由 Rust 编写，包含 CSI 解析、子载波选择、相位修正（Sanitization）、时频域滤波、多天线相干合成等 DSP 模块，输出标准化张量送入推理引擎。推理层集成 `wifi-densepose` 模型家族：`DensePose-Light`（~1.2M 参数）用于 30 FPS 姿态 17 关键点回归，`VitalNet` 双分支网络分别从相位差序列解调呼吸（0.1-0.5 Hz）与心率（0.8-2 Hz）信号，支持 ONNX Runtime 与 TensorRT 部署。上层 `harness/ruview` 提供 Python/TypeScript SDK、Home Assistant MQTT 发现实体、Apple HomeKit HAP 网桥、Matter 端点实现，配套 React 可视化工作台 `ruOS` 实时渲染 3D 骨架、呼吸波形与房间热力图。预训练权重托管于 Hugging Face，涵盖实验室、会议室、卧室等多场景数据，支持少样本微调适配新环境。

创新点与亮点

首先是“全栈自研、零闭源依赖”：从物理层驱动修改到上层 Matter 桥接，所有代码开源，避免了商业 WiFi 感知方案（如 Origin Wireless、Aerial Technologies）的黑盒锁定。其次是“极致性价比硬件适配”：单个 ESP32-S3 节点成本低于 15 美元，配合现有路由器即可组网，覆盖 50-80 平方米，边际成本远低于毫米波雷达阵列。第三是“隐私原生设计”：全链路不产生任何图像像素，CSI 原始数据本地推理，仅上报结构化语义（存在/不存在、姿态类别、生命体征数值），符合 GDPR 与 HIPAA 最小化原则。第四是“生态互操作性一流”：同一固件通过配置即可以 MQTT 实体、HomeKit 传感器、Matter 设备三种身份同时出现，Siri 可直接询问“卧室呼吸频率”，无需编写任何自定义技能。第五是“自学习与持续校准”：`ruOS` 内置在线自监督模块，利用长期无人时段估计环境静态 CSI 基线，自动补偿温度漂移、家具移动导致的多径变化，保持长期部署精度稳定。

与同类项目对比

对比 `ESP32-CSI-Tool`、`nexmon_csi` 等学术工具链，RuView 补全了从原始数据到落地应用的“最后一公里”：提供量产级固件、预训练模型、HA/Matter 集成与可视化工作台，降低了工程化门槛。对比商业方案 `WiFi Motion`（Cognitive Systems）或 `Aerial`，RuView 开放模型权重与训练代码，支持私有化部署与二次开发，无订阅费与数据出厂风险。对比毫米波雷达开源项目 `mmWave-Human-Detection`（基于 TI IWR6843），RuView 硬件成本降低 80%，穿墙能力更强（2.4/5 GHz 衍射绕射优于 60 GHz），但微动分辨率略逊于 4D 雷达，且对多目标分离（两人贴身重叠）仍有提升空间。对比摄像头方案 `YOLO-Pose` + `MediaPipe`，RuView 在全黑、遮挡、隐私敏感场景具备不可替代优势，但缺乏身份识别与精细手势语义。

上手指南与快速开始

最小化部署仅需三步：1) 硬件准备：购买 ESP32-S3-DevKitC-1（或 ESP32-C6-DevKitC）一块，任意支持 802.11n/ac 的双频路由器一台（建议开启 40 MHz 带宽）。2) 固件烧录：克隆仓库进入 `firmware/esp32-csi-node`，运行 `idf.py set-target esp32s3 && idf.py flash monitor`，串口配置 WiFi SSID/密码与目标路由器 MAC，节点启动后自动以 TCP 5555 端口推流 CSI。3) 推理服务启动：在同一局域网 Linux/x86_64 机器（或树莓派 5）执行 `docker run --rm -it --network host ghcr.io/ruvnet/ruview-core:latest --csi-source tcp://<ESP32_IP>:5555 --model densepose-light --mqtt-host homeassistant.local`。容器启动后自动向 Home Assistant 发现 `binary_sensor.ruview_presence`、`sensor.ruview_breathing_rate`、`sensor.ruview_heart_rate` 等实体。进阶玩法可下载 `harness/ruview` 运行 `pnpm dev` 打开 `ruOS` 网页端，拖拽生成 3D 房间地图、配置区域告警、导出 Matter 设备码接入 Apple Home。文档提供 `docs/user-guide.md` 完整参数说明与故障排查，`docs/integrations/home-assistant.md` 涵盖自动化蓝图示例（如：呼吸率 < 8 次/分持续 30 秒触发紧急广播）。

总结与展望

RuView 证明了商用 WiFi 硬件在软件定义感知范式下可以成为泛在的“空间神经元”。其 Rust 核心与全栈开源模式为边缘 AI 感知树立了工程标杆。短期看，多频段融合（2.4G+5G+6G CSI 联合估计）、基础模型蒸馏至 MCU 端侧推理（ESP-DL 加速）、多模态对齐（WiFi+音频+惯性融合跌倒检测）是社区活跃方向。长期看，随着 802.11bf (WiFi 7 Sensing) 标准落地，专用测量帧将替代通信帧旁路采集，带来更高 SNR 与标准化互操作；RuView 已在 ADR-122 中预留 Matter Sensing Cluster 扩展，有望成为首个原生支持 WiFi 7 感知的开源参考实现。对于开发者而言，现在切入 RuView 生态，不仅能以极低成本构建隐私优先的智能空间应用，更能参与定义下一代无线感知的开放标准。