家里装摄像头，总像揣了个定时炸弹。对着卧室客厅，怕隐私泄露；不装，独居老人摔了没人知道，孩子偷偷爬窗台发现不了。普通人体传感器更气人。人在沙发上躺着不动半小时，直接给你关灯锁空调，半夜起夜摸黑找开关，差点摔了。

直到我挖到了 RuView 这个开源项目 —— 原来天天用的 WiFi，除了刷视频打游戏，还能当一双 “看不见的眼睛”。

先搞懂，RuView 到底是什么

它是个完全开源的 WiFi 空间传感平台。不用摄像头，不用穿戴设备，不用额外布线，靠你家现成的 WiFi 信号，就能穿透墙壁、在全黑环境里，感知屋里的人在哪、在做什么，甚至能非接触式测出你的呼吸和心率。

原理说穿了一点都不玄乎。你家的 WiFi 路由器，就是个不停往空间里发射无线电波的小基站。这些波能填满整个房间，穿得过墙，绕得开柜子，连门缝都能钻进去。人在屋里动一下，抬个手，甚至只是胸腔起伏喘气，心脏跳一下，都会让这些波发生细微的散射。就像风扫过水面，留下的细碎涟漪。RuView 做的，就是把这些人眼看不见的涟漪抓下来。靠自研的信号处理算法和 AI 模型，把原始的信号波动，还原成实实在在的信息：屋里有没有人，人在哪个位置，是站着还是坐着，呼吸心跳正不正常。

它能做的事，远不止 “穿墙看人”

我玩了一周，最实用的功能，全踩中了日常的痛点。

最刚需的，是全屋人体感应。人在沙发上躺着刷手机，哪怕半天不动，它也能准确识别你在，不会傻乎乎给你断电关灯。隔着卧室墙，能知道你起没起床，不用在每个房间都塞一个传感器，连衣柜、卫生间这种死角都能覆盖。

对独居家庭、有老人的家庭，它是真的能救命。跌倒检测不用戴任何手环手表，摔了立刻能触发提醒。睡眠时能监测呼吸心率，筛查呼吸暂停，老人不爱戴穿戴设备，这个完全无感化，不用提醒，不用充电。

开店、开民宿的朋友，也能直接用。统计客流，看顾客在哪个货架前停得久，算餐桌翻台率，不用装摄像头，天然避开隐私合规的麻烦。民宿能检测房间有没有人，没人的时候自动关空调关灯，省电费，不用装门磁。

甚至很多极端场景，它比摄像头靠谱 10 倍。消防救援时，能穿透浓烟、废墟，靠呼吸信号找幸存者；工地、仓库里，能穿透货架、粉尘，检测有没有人靠近危险区域；地下矿井、隧道里，GPS 和摄像头都废了，它靠 WiFi 信号就能定位人员。

为什么它比摄像头、传感器香？

最核心的，是绝对的隐私安全。全程没有一个摄像头像素，不采集任何图像画面，只有 WiFi 信号的波动数据，所有运算都能在本地跑，不用上传云端，彻底断了隐私泄露的可能。

成本低到离谱。零成本就能用笔记本跑通演示，进阶玩法只需要三四十块的 ESP32 开发板，对比动辄几百上千的毫米波雷达、专业传感设备，门槛几乎为零。

环境适应性拉满。穿墙能用，全黑环境能用，浓烟、粉尘、大雾里都能用，彻底解决了摄像头、激光雷达必须视线无遮挡的死穴。

完全开源，随便折腾。基于 MIT 协议开源，代码、固件、文档全开放，你想改就改，接入 HomeAssistant 做全屋自动化，自己训练跌倒检测、手势识别的模型，都没问题。

手把手带你上手，先从零成本开始

别慌，不用先买一堆硬件。我一开始也以为门槛很高，结果手里的普通笔记本，3 分钟就跑通了完整演示。

你只需要准备两样东西：一台能正常连 WiFi 的笔记本，Windows、Mac、Linux 系统都能用；再装个 Docker Desktop，官网直接下载，一路下一步就行，不用改复杂设置。

3 分钟跑通演示，一行命令都不用多敲

打开终端，Windows 用 CMD 或者 PowerShell，Mac、Linux 用自带的终端就行。先敲一行命令，拉取官方的 Docker 镜像：

docker pull ruvnet/wifi-densepose:latest

国内用户记得给 Docker 配个国内镜像源，阿里云、中科大的都行，不然下载速度慢。

镜像拉完，再敲一行命令，启动容器，映射本地 3000 端口：

docker run -p 3000:3000 ruvnet/wifi-densepose:latest

完事。打开任意浏览器，输入http://localhost:3000，就能进入 RuView 的可视化仪表盘。里面有完整的模拟数据，能看 WiFi 信号还原的人体姿态骨架，呼吸心率的实时监测，人员计数、穿墙检测的效果，先把所有功能摸一遍，心里有底。

不想用 Docker？直接跑原生代码

不想装 Docker 的，直接克隆仓库代码，跑官方的验证脚本，一样不用额外硬件。

# 克隆仓库到本地
git clone https://github.com/ruvnet/RuView.git
# 进入项目目录
cd RuView
# 安装Python依赖
pip install -r requirements.txt
# 运行验证脚本，确认核心信号处理链路正常
python archive/v1/data/proof/verify.py

脚本跑通，终端会输出信号处理的验证结果，核心功能的链路就通了。

进阶玩法！加三四十块，解锁真・穿墙感知

普通笔记本自带的消费级 WiFi 网卡，抓不到完整的 CSI 信号数据，只能做个大概的存在检测。想解锁穿墙感知、呼吸心率监测、姿态估计这些真本事，只需要加一块 ESP32-S3 开发板。单块板也就三四十块，一杯奶茶钱。

硬件准备清单

• ESP32-S3 开发板：必须是 S3 型号，ESP32-C3、初代 ESP32 用不了，单核性能不够，抓不了完整数据。推荐合宙、乐鑫的核心板，带 Type-C 口就行；
• Type-C 数据线：必须是能传数据的，别用那种只能充电的废线，我一开始就踩了这个坑，折腾半小时才发现线不对；
• 家用 WiFi：优先 2.4G 频段，5G 部分信道兼容性不好，容易丢包，笔记本和开发板要连同一个 WiFi。

想效果更好？多买 2-6 块开发板组 Mesh 网，官方明确说，单节点空间分辨率有限，2 个以上节点，精度会有质的提升。

一步步带你刷固件、配网、跑通真实感知

第一步：给开发板刷写固件

先给电脑装 esptool 工具，用来给 ESP32 刷固件，一行命令搞定：

pip install esptool

去项目仓库的 release 页面，下载最新的 ESP32-S3 固件包，解压出来四个 bin 文件，放一个好找的文件夹里。

用 Type-C 线把开发板连到电脑，先确认串口能被识别。Windows 里是 COM 开头的端口，Mac、Linux 里是 /dev/ttyUSB0 或者 /dev/tty.usbmodem 开头的地址。串口找不到？先装 CH340 驱动，几十块的开发板基本都用这个，装完重启电脑就认了。

然后刷固件，把命令里的 COM9 换成你自己的串口地址：

python -m esptool --chip esp32s3 --port COM9 --baud 460800 \
  write_flash 0x0 bootloader.bin 0x8000 partition-table.bin \
  0xf000 ota_data_initial.bin 0x20000 esp32-csi-node.bin

刷不进去？按住开发板的 BOOT 键再插线，进下载模式再刷，别硬怼。看到终端输出 “Leaving... Hard resetting via RTS pin...”，就是刷写成功了。

第二步：给开发板配网，连到你的笔记本

固件刷完，别断开串口，用官方的配网脚本，给开发板设置 WiFi，让它把采集到的数据传到你的笔记本上。

把命令里的参数换成你自己的：

• --port：你的串口地址，和刷固件时一致；
• --ssid：你家的 WiFi 名称；
• --password：你家的 WiFi 密码；
• --target-ip：你笔记本的局域网 IP，别填 127.0.0.1，也别填公网 IP。

python firmware/esp32-csi-node/provision.py --port COM9 \
  --ssid "你家WiFi名" --password "你家WiFi密码" --target-ip 192.168.1.100

配网完成，开发板会自动重启，连上你家的 WiFi，开始采集 CSI 数据。

第三步：笔记本启动服务，看实时数据

回到项目仓库目录，开两个终端窗口。第一个窗口，启动实时扫描脚本，接收开发板传来的数据：

node scripts/rf-scan.js --port 5006

第二个窗口，启动信号处理脚本：

node scripts/snn-csi-processor.js --port 5006

再打开浏览器，进http://localhost:3000，就能看到实时采集的 WiFi 数据，真实的人体检测、运动追踪、姿态估计，都出来了。

我踩过的坑，全给你避了

收不到开发板的数据？先确认笔记本和开发板连的是同一个 WiFi，在一个局域网里。再把笔记本的系统防火墙关了，大概率是防火墙把数据包拦了。刷固件失败？除了进下载模式，还要确认串口没有被其他软件占用，串口助手、烧录工具都关了再刷。单块板效果不好别慌，官方明确说了单节点空间分辨率有限，想玩姿态估计、精准定位，至少 2 块板起步。WiFi 优先用 2.4G 的，5G 的很多信道对 CSI 采集兼容性不好，容易丢包，稳定性差。

玩到现在，最打动我的，不是它有多 “黑科技”，是它给了一个完全不侵犯隐私的感知方案。现在摄像头到处都是，想做个全屋感应，总怕数据泄露，怕被人偷看。而这个方案，从头到尾没有图像，只有 WiFi 信号的波动，所有数据都能在本地跑，不用上传云端。几十块的成本，就能玩到专业级的无线感知，这大概就是开源的魅力。感兴趣的，去 GitHub 给项目点个 Star，自己动手试试，说不定能玩出更多有意思的花样。