1. 项目定位与用途
RuView是一个WiFi DensePose感知平台，将普通WiFi信号转化为空间智能数据。它利用ESP32传感器采集信道状态信息（CSI），通过边缘AI分析人体运动、呼吸对无线电波的扰动，实现无接触的姿态估计、生命体征监测和存在检测。系统完全在边缘运行，无需摄像头、穿戴设备或互联网连接，适用于需要隐私保护、低光照或穿墙感知的场景。
项目档案应用项目
ruvnet/RuView 是什么？用途、安装与使用指南
RuView是一个利用普通WiFi信号进行无接触感知的边缘AI平台，通过ESP32传感器捕获CSI数据实现穿墙人体姿态估计、呼吸心率监测和存在检测。本页介绍其技术原理、安装部署方式、适用场景及核心功能，包括17个COCO关键点输出、生命体征分析和环境映射能力。
AI 总结
RuView是基于WiFi CSI信号的边缘AI感知平台，无需摄像头即可实现穿墙人体姿态估计、生命体征监测和存在检测，适用于智能家居与健康监护场景。
中文项目介绍
RuView是一个基于WiFi CSI信号的无接触感知平台，通过ESP32传感器捕获无线电波扰动，实现穿墙人体姿态估计、生命体征监测和存在检测，无需摄像头或穿戴设备。
系统解决传统感知方案的隐私、光线依赖和便利性问题，提供低成本边缘AI方案。利用脉冲神经网络和本地处理，支持17个COCO关键点姿态估计、6-30 BPM呼吸率、40-120 BPM心率监测，以及活动识别与环境映射。
适用场景涵盖：智能家居人员存在检测与计数；睡眠/静坐时的无接触呼吸心率监测；日常活动（行走、坐下、手势、跌倒）识别；RF指纹环境映射与物体移动检测；睡眠质量及呼吸暂停筛查。
技术架构分层：硬件层为ESP32-S3 CSI传感器mesh；边缘层运行WASM推理模块；服务层基于FastAPI提供接口；控制层通过Tauri开发的RuView Desktop应用统一管理硬件部署、OTA更新和监控。集成Cognitum Seed进行边缘存储与Ed25519加密认证，SONA自学习架构支持模型在线适应。
详细信息与使用说明
2. 核心解决的问题
RuView解决传统视觉感知的三大痛点：隐私泄露（无需摄像头）、环境依赖（不受光线影响）和用户负担（无需穿戴）。通过物理层信号分析，它提供了一种低成本、穿墙、连续的无接触感知方案。系统还通过分布式ESP32节点和Cognitum Seed解决了单节点空间分辨率有限的问题，并通过SONA自学习架构适应环境变化，减少离线重训练需求。
3. 适用场景
主要应用包括：智能家居中通过墙壁检测人员存在、计数及进出跟踪；睡眠或静坐时的无接触呼吸率（6-30 BPM）和心率（40-120 BPM）监测；识别行走、坐下、手势、跌倒等日常活动；利用RF指纹进行房间识别、家具移动检测和新物体发现；以及整夜睡眠质量监测与睡眠呼吸暂停筛查。所有功能均无需摄像头或用户配合。
4. 安装方式
根据仓库信息，安装需满足Python 3.9+环境。方式一：使用pip安装依赖，依据pyproject.toml或requirements.txt执行`pip install -r requirements.txt`。方式二：通过Docker部署，使用docker/docker-compose.yml启动服务。硬件方面需准备ESP32-S3传感器节点（至少2个以获得良好分辨率）和Cognitum Seed设备。固件刷写和节点管理未来将通过RuView Desktop（Tauri应用）统一完成，当前可能需使用esptool.py等工具。
5. 使用方式
系统启动后，ESP32传感器自动采集CSI数据并发送至后端。FastAPI服务（uvicorn运行）实时处理数据流，通过rvdna管道提取生命体征，通过WiFlow+SONA管道估计姿态。用户可通过RESTful API获取17个COCO关键点坐标、呼吸心率数值及存在检测结果。RuView Desktop应用（开发中）将提供图形界面，整合节点发现、固件刷写、OTA更新、WASM模块加载和服务器监控等全生命周期操作。
6. 实现特点与架构
RuView采用分层架构：硬件层为ESP32-S3 CSI传感器mesh网络；边缘层运行WASM模块实现本地推理；服务层基于Python FastAPI提供API；控制层为Tauri桌面应用。AI管道并行处理：姿态估计管道使用模态转换网络+DensePose头，集成SONA实现在线自适应；生命体征管道通过rvdna组件（如TemporalTensorCompressor）提取时频特征。数据安全方面采用Ed25519签名链认证，存储使用Cognitum Seed的RVF格式。系统支持多频段mesh扫描，可利用邻居WiFi作为雷达照射源。
思维导图
RuView WiFi感知平台
硬件层
ESP32-S3 CSI传感器
Mesh网络
Cognitum Seed
边缘层
WASM推理模块
本地AI处理
RVF存储格式
服务层
FastAPI后端
CSI流处理
rvdna信号管道
控制层
RuView Desktop(Tauri)
节点发现与刷写
OTA与WASM管理
AI管道
姿态估计(WiFlow+SONA)
生命体征检测
环境映射(HNSW)
安全与部署
Ed25519认证链
PIR融合检测
Docker容器化
常见问题
RuView是否需要摄像头？
完全不需要，仅使用WiFi信号进行感知，通过分析CSI数据实现所有功能，保障隐私且不受光线影响。
支持哪些硬件设备？
主要支持ESP32-S3传感器节点，推荐部署2个以上节点或配合Cognitum Seed使用以获得最佳效果。ESP32-C3和原始ESP32因单核性能不足不支持。
姿态估计的精度如何？
在相机-free模式下精度有限；使用相机真值数据训练后，可达92.9% PCK@20（17个COCO关键点）。系统支持通过ADR-079进行相机真值训练。
系统是否依赖互联网或云服务？
不依赖，所有数据处理和AI推理均在边缘设备本地完成，无需互联网连接，保障隐私、实时性和离线可用性。
如何安装和部署RuView？
可通过pip安装Python依赖（需Python 3.9+），或使用Docker Compose部署服务；硬件需配置ESP32传感器网络，并通过RuView Desktop应用（开发中）统一管理节点发现、固件刷写和监控。