利用WiFi透视墙壁。无需摄像头，无需可穿戴设备，只需无线电波。
WiFi DensePose 可以将普通 WiFi 信号转化为实时人体姿态估计、生命体征监测和存在检测——所有这些都无需任何视频像素。该系统通过分析人体运动引起的信道状态信息 (CSI) 扰动，利用基于物理的信号处理和机器学习技术重建人体位置、呼吸频率和心跳。
原理：分析WiFi信号在人体上的反射，AI还原24个身体部位姿态。准确率接近摄像头。
项目演示
主要特点
|
特征 |
描述 |
|---|---|
|
隐私优先 |
无摄像头——使用WiFi信号进行姿态检测 |
|
即时的 |
低于 100 微秒/帧（Rust），11,665 fps 生命体征基准测试 |
|
生命体征 |
非接触式呼吸（6-30 次/分钟）和心率（40-120 次/分钟） |
|
多人 |
同时追踪多达 10 个人 |
|
Docker 就绪 |
|
|
RVF便携式型号 |
具有渐进加载功能的单文件 |
|
542+项测试 |
全面的 Rust 测试套件，不使用任何模拟对象 |
部署Docker（推荐）
# Rust sensing server (132 MB)
docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 -p 3001:3001 -p 5005:5005/udp ruvnet/wifi-densepose:latest
# Python pipeline (569 MB)
docker pull ruvnet/wifi-densepose:python
docker run -p 8765:8765 -p 8080:8080 ruvnet/wifi-densepose:python
# Both via docker-compose
cd docker && docker compose up
# Export RVF model
docker run --rm -v $(pwd):/out ruvnet/wifi-densepose:latest --export-rvf /out/model.rvf