ruvnet / wifi-densepose

17,2061,928+4,539 todayRust

InvisPose生产就绪实现——一种革命性的基于WiFi的密集人体姿态估计系统，可通过商用网状路由器实现穿墙实时全身追踪

WiFi DensePose是一个基于WiFi信号实现无摄像头人体姿态估计的开源系统。它通过分析商用路由器提供的信道状态信息数据，运用机器学习算法实时重建多人的全身姿态，甚至能穿透墙壁进行追踪。该系统以隐私保护为核心，无需任何摄像头即可工作，避免了视觉监控带来的隐私泄露风险。其Rust版本实现了极高的性能，关键处理环节比Python版本快数百至上千倍，整条流水线延迟可低至18微秒，支持高达30帧每秒的实时估计与最多10人的同时追踪。该系统适用于对隐私和实时性要求高的多种场景，如医疗健康监护、跌倒检测、智能家居互动、安防区域监测以及健身动作分析等，并提供了生产就绪的API、完善的身份验证与监控功能。

💡 应用场景

最适合需要非接触式人体姿态监测且重视隐私保护的场景，如医疗监护、智能家居和安防领域。

养老院跌倒监测

问题：养老院需要24小时监控老人安全，但传统摄像头侵犯隐私，且无法覆盖卫生间等私密区域。

方案：在房间部署商用WiFi路由器，通过WiFi信号实时监测老人姿态，一旦检测到跌倒立即报警，同时保护隐私。

示例：老人夜间在卫生间跌倒，系统通过WiFi信号变化识别异常姿态，5秒内自动通知护工，无需摄像头也能确保安全。

智能健身指导

问题：家庭健身需要动作纠正，但摄像头方案在卧室等私密空间使用不便，且多人同时锻炼时跟踪困难。

方案：利用客厅WiFi路由器实时追踪多人运动姿态，通过WebSocket将姿势数据流式传输到健身APP，提供实时反馈。

示例：一家三口在客厅做瑜伽，系统同时追踪3人的关节角度，APP实时提示“爸爸的深蹲膝盖超过脚尖了”。

灾难搜救定位

问题：地震后废墟下幸存者难以被发现，传统生命探测仪需要近距离操作，效率低且危险。

方案：使用项目的WiFi-Mat模块，通过商用路由器穿透废墟检测呼吸和心跳，并定位幸存者3D位置。

示例：救援队在倒塌建筑外部署WiFi路由器，系统穿透3米混凝土检测到2名幸存者的呼吸频率，并显示精确位置坐标。

商场客流分析

问题：商场需要分析顾客动线和停留时间优化布局，但摄像头方案成本高、覆盖有限，且涉及隐私合规问题。

方案：利用现有WiFi网络匿名追踪顾客移动轨迹和停留热点，提供实时客流密度数据，完全匿名不存储个人身份信息。

示例：系统发现周末下午3点化妆品区客流密度最高，但平均停留时间仅2分钟，建议调整陈列吸引顾客停留。

📊 项目信息

语言: Rust
Stars: ⭐ 17,206
Forks: 1,928
今日新增: +4,539
排名: #2
收录: 总榜
趋势日期: 2026年3月1日
最后推送: 2026/3/1

🏷️ 标签

RustFastAPI姿态估计实时追踪高性能企业级医疗健康智能家居

📸 截图

5分钟快速开始：WiFi DensePose Rust版

通过WiFi信号实时追踪人体姿态，无需摄像头，保护隐私。

🖥️ 操作系统

LinuxmacOSWindows

⚙️ 运行环境

Rust1.70+

🔧 工具

Git— 克隆项目仓库

📝 操作步骤

安装Rust

如果未安装Rust，请运行以下命令安装。

下载并运行Rust安装脚本

$ curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

✓预期输出：Rust is installed now. Great!

💡安装后重启终端或运行 source $HOME/.cargo/env 使Rust生效。

克隆项目

从GitHub获取WiFi DensePose的Rust版本代码。

克隆仓库到当前目录

$ git clone https://github.com/ruvnet/wifi-densepose.git

✓预期输出：Cloning into 'wifi-densepose'... done.

💡确保网络连接正常。

进入Rust目录并构建

切换到Rust端口目录并编译项目。

进入Rust项目目录

$ cd wifi-densepose/rust-port/wifi-densepose-rs/

以发布模式构建项目

$ cargo build --release

✓预期输出：Finished release [optimized] target(s) in ...

💡首次构建可能需要几分钟下载依赖。

运行示例程序

运行一个简单的测试程序来验证系统工作。

运行基础示例

$ cargo run --example basic

✓预期输出：Example output: Processing CSI data... Pose estimation complete.

💡此示例使用模拟数据，无需实际WiFi硬件。

✅ 验证成功

如果示例程序运行并输出处理结果，说明系统已正确安装。

✓看到 'Pose estimation complete' 或类似消息
✓程序正常退出无错误

⚡ 快速提示

测试使用 cargo test 运行所有测试以确保功能正常

优化查看 README 中的性能基准和硬件要求

🔍 常见问题排查

❓ 构建失败，提示依赖错误

→ 运行 cargo update 更新依赖，或检查Rust版本是否过旧。

❓ 示例程序无输出或崩溃

→ 确保在Rust项目目录中运行，并尝试 cargo clean 后重新构建。

🎯 下一步

配置真实WiFi硬件

参考README的硬件设置部分连接支持CSI的路由器。

启动REST API服务器

运行 cargo run --bin server 启动API服务，访问 http://localhost:8000/docs。

难度

中级

预计时间

2-3天

目标人群

对WiFi感知、人体姿态估计或Rust高性能计算感兴趣的开发者，具备一定编程基础但可能不熟悉该项目具体技术栈

🎯 学完你将掌握

能够理解WiFi DensePose的基本原理，成功搭建开发环境，运行示例程序，并初步了解如何通过REST API获取姿态估计结果。

📋 前置知识

Rust基础了解

项目核心实现为Rust，需要能理解基本的Cargo项目结构、依赖管理和编译流程。

命令行操作熟悉

安装、配置和运行项目主要依赖命令行工具（如cargo, git, curl）。

网络基础概念了解(可选)

理解IP地址、端口、HTTP请求等基本概念，有助于使用REST API和WebSocket。

Python基础了解(可选)

项目README中部分安装和示例使用了Python，虽然不是Rust版本的核心，但有助于理解整体生态。

📚 学习资源

必看

项目README

最核心的指南，包含安装、快速开始、架构、API等所有关键信息。

🗺️ 学习阶段

环境准备与项目初探

⏱ 1-2小时

安装Rust工具链

访问 https://rustup.rs/ 安装rustup，这是Rust的版本管理器和安装工具。安装完成后，在终端运行 `rustc --version` 和 `cargo --version` 验证安装。

💡国内用户可考虑配置RUSTUP_DIST_SERVER和RUSTUP_UPDATE_ROOT环境变量以加速下载。

获取项目代码

使用Git克隆项目仓库：`git clone https://github.com/ruvnet/wifi-densepose.git`，然后进入Rust端口目录：`cd wifi-densepose/rust-port/wifi-densepose-rs/`。

💡如果网络不畅，可以尝试使用GitHub镜像站或直接下载ZIP包。

浏览项目结构

在IDE或文件管理器中查看项目根目录，重点关注 `Cargo.toml`（依赖声明）、`src/`（源代码）、`README.md` 或项目内的文档，了解项目的大致模块划分。

💡使用 `cargo doc --open` 可以在浏览器中生成并打开本地API文档，这是了解库功能的好方法。

编译与快速验证

⏱ 1小时

编译项目

在Rust项目根目录下运行 `cargo build`。首次编译会下载所有依赖，可能需要一些时间。成功后运行 `cargo build --release` 进行优化编译（速度更快，但编译时间更长）。

💡如果编译出错，通常是网络问题或缺少系统库。根据错误信息搜索解决方案，常见于Linux系统需要安装 `libssl-dev` 或 `pkg-config`。

运行单元测试

运行 `cargo test` 来执行项目的测试套件。这能验证项目在您的环境中基本功能是否正常，也是熟悉项目功能的一种方式。README提到有107个测试。

💡关注测试输出，通过测试可以增强对代码正确性的信心。

理解核心概念与运行示例

⏱ 3-4小时

阅读关键文档

仔细阅读项目根目录下的README，特别是“Rust Implementation (v2)”和“Quick Start (Rust)”部分。理解CSI（信道状态信息）、DensePose、相位净化等核心术语。

💡不必深究所有数学细节，先建立直观理解：WiFi信号如何“感知”人体姿态。

查找并运行示例

在项目 `examples/` 目录（如果存在）或文档中寻找示例代码。尝试运行一个最简单的示例，例如数据预处理或特征提取的demo。使用 `cargo run --example <example_name>` 命令。

💡如果项目没有显式的examples目录，查看 `src/bin/` 或 `src/main.rs`，或者尝试运行 `cargo run` 看是否有默认的二进制输出。

模拟数据测试

由于真实CSI数据需要特定硬件，新手可以先尝试使用项目可能提供的模拟数据或生成随机数据，调用核心处理函数（如CSI预处理、相位净化），观察输入输出格式。

💡查看测试代码（`tests/`目录）是学习如何调用API的绝佳途径，测试中通常会构造模拟数据。

尝试API与基础集成

⏱ 2-3小时

启动服务（如果提供）

如果项目包含REST API服务器（根据README的API概述），按照“Quick Start”部分的指示，尝试启动开发服务器。例如运行 `cargo run --bin server` 或类似的命令。

💡注意服务监听的端口（如8000），确保端口未被占用。

调用REST API

使用 `curl` 命令或Postman等工具，向启动的本地服务发送HTTP请求。例如，访问 `http://localhost:8000/api/v1/health` 进行健康检查，或尝试获取姿态端点。

💡首次调用可能因无真实数据而返回空或模拟结果，重点是验证通信链路是否通畅。

理解数据流

根据README的“System Architecture”部分，画出简化的数据流图：CSI数据 -> 处理器 -> 神经网络 -> 姿态关键点 -> API输出。明确你当前能接触到的环节。

💡关注项目作为“库”和作为“服务”两种使用方式的区别。

⚠️ 常见错误

❌ 混淆Python版本和Rust版本

✅ 明确本学习路径针对 `/rust-port/wifi-densepose-rs/` 目录下的Rust实现。不要运行根目录的Python安装指令（如 `pip install`）。

❌ 未安装必要的系统开发库导致编译失败

✅ 在Linux上，确保安装了 `build-essential`, `pkg-config`, `libssl-dev` 等。根据Cargo的错误信息安装对应包。

❌ 试图在没有CSI硬件的情况下运行完整流水线

✅ 新手目标应是编译成功、运行测试、理解代码结构。真实数据采集需要特定WiFi网卡和驱动，这是进阶步骤。专注于处理模拟或示例数据。

❌ 直接深入复杂算法而迷失方向

✅ 先从高层理解项目目标（WiFi信号->姿态），再通过运行示例和查看测试代码，自顶向下地探索，而不是一开始就钻入最底层的数学实现。

🚀 后续方向

学完基础后可以继续探索的方向