以下为完整中文翻译:
一个前沿的基于 WiFi 的人体姿态估计系统,利用信道状态信息(CSI)数据和先进的机器学习技术,在无需摄像头的情况下,实现实时、保护隐私的人体姿态检测。
- 隐私优先:无需摄像头 —— 使用 WiFi 信号进行姿态检测
- 实时处理:低于 50ms 延迟,支持 30 FPS 姿态估计
- 多人追踪:可同时追踪最多 10 人
- 领域定制优化:适用于医疗、健身、智能家居和安防等场景
- 企业级支持:生产级 API,支持认证、限流与监控
- 硬件无关:兼容标准 WiFi 路由器与接入点
- 全面分析能力:跌倒检测、行为识别、人员占用监测
- WebSocket 流式传输:支持实时姿态数据推送
- 100% 测试覆盖率:完整全面的测试套件
在 /rust-port/wifi-densepose-rs/ 提供高性能 Rust 移植版本。
| 操作 | Python (v1) | Rust (v2) | 加速比 |
|---|---|---|---|
| CSI 预处理 (4x64) | ~5ms | 5.19 微秒 | ~1000x |
| 相位清洗 (4x64) | ~3ms | 3.84 微秒 | ~780x |
| 特征提取 (4x64) | ~8ms | 9.03 微秒 | ~890x |
| 运动检测 | ~1ms | 186 纳秒 | ~5400x |
| 完整流程 | ~15ms | 18.47 微秒 | ~810x |
| 组件 | 吞吐量 |
|---|---|
| CSI 预处理 | 49–66 百万元素/秒 |
| 相位清洗 | 67–85 百万元素/秒 |
| 特征提取 | 7–11 百万元素/秒 |
| 完整流程 | 约 54,000 FPS |
| 项目 | Python (v1) | Rust (v2) |
|---|---|---|
| 内存占用 | ~500MB | ~100MB |
| WASM 支持 | ❌ | ✅ |
| 二进制大小 | N/A | ~10MB |
| 测试数量 | 100% 覆盖 | 107 个测试 |
用于搜救行动的专用扩展模块 —— 在地震、坍塌和自然灾害中检测和定位被困幸存者。
| 功能 | 描述 |
|---|---|
| 生命体征检测 | 呼吸(4–60 次/分钟)、心跳(微多普勒) |
| 三维定位 | 可穿透最多 5 米废墟进行定位 |
| START 分诊 | 自动分类为紧急 / 延迟 / 轻伤 / 死亡 |
| 实时警报 | 基于优先级的分级通知 |
- 地震搜救
- 建筑坍塌响应
- 雪崩受害者定位
- 矿井塌方检测
- 洪水救援
WiFi DensePose 由多个关键组件协同工作:
- CSI 处理器:从 WiFi 信号中提取并处理 CSI 数据
- 相位清洗模块:去除硬件相位偏移和噪声
- DensePose 神经网络:将 CSI 转换为人体关键点
- 多人追踪模块:跨帧维持人员身份一致性
- REST API:数据访问与系统控制接口
- WebSocket 流:实时姿态数据广播
- 分析引擎:跌倒检测与行为识别等高级分析
pip install wifi-densepose
可选依赖:
pip install wifi-densepose[gpu] # GPU 加速 pip install wifi-densepose[dev] # 开发环境 pip install wifi-densepose[all] # 所有可选依赖
from wifi_densepose import WiFiDensePose system = WiFiDensePose() system.start() poses = system.get_latest_poses() print(f"检测到 {len(poses)} 人") system.stop()
wifi-densepose start
API 地址:
- 文档:http://localhost:8000/docs
- 健康检查:http://localhost:8000/api/v1/health
- 最新姿态:http://localhost:8000/api/v1/pose/latest
ws://localhost:8000/ws/pose/stream
wifi-densepose start # 启动服务 wifi-densepose stop # 停止服务 wifi-densepose status # 查看状态 wifi-densepose config # 配置管理 wifi-densepose db # 数据库管理 wifi-densepose tasks # 后台任务管理 wifi-densepose version # 查看版本
- Python 3.8+
- Linux / macOS / Windows 10+
- 最少 4GB 内存(推荐 8GB+)
- 支持 CSI 提取的 WiFi 网卡
- 可选 NVIDIA GPU(CUDA)
- ASUS AX6000 (RT-AX88U)
- Netgear Nighthawk AX12
- TP-Link Archer AX73
- Ubiquiti UniFi 6 Pro
示例环境变量:
POSE_CONFIDENCE_THRESHOLD=0.7 POSE_MAX_PERSONS=10 ENABLE_AUTHENTICATION=true ENABLE_WEBSOCKETS=true
支持医疗、健身等领域专用配置。
pytest pytest --cov=wifi_densepose
测试分类:
- 单元测试
- 集成测试
- 端到端测试
- 性能测试
支持:
- Docker
- Docker Compose
- Kubernetes
- Terraform
- Ansible
- 平均处理时间:45ms
- 姿态检测准确率:94.2%
- 跌倒检测灵敏度:96.5%
- 支持 1000+ WebSocket 连接
- 遵循 PEP8
- 使用类型提示
- 保持 100% 测试覆盖
- 提交 PR 前确保测试通过
MIT License
- WiFi 感知研究基础
- PyTorch、FastAPI 等开源项目
- 社区贡献者
- 硬件合作伙伴
- GitHub Issues
- GitHub Discussions
- PyPI 页面
- Discord 社区
- support@wifi-densepose.com
WiFi DensePose —— 通过保护隐私的 WiFi 技术,革新人类姿态估计方式。