当我们谈论人体姿态估计时，摄像头、深度传感器、骨架追踪算法往往是第一反应。但有一类技术正在悄然改变游戏规则 ——基于 WiFi 信号的人体姿态估计（WiFi DensePose）。它不需要任何光学设备，不侵犯隐私，却能在某种程度上 “穿墙” 感知人体姿态。RuView 项目正是这一领域的工程化代表，本文将深入剖析其核心技术路径与落地参数。
一、为什么需要 WiFi DensePose？
传统视觉方案面临三大痛点：光照依赖、遮挡敏感、隐私争议。而 WiFi DensePose 利用无线电波在空间中的传播特性，当人体移动或呼吸时，电磁场会发生可测量的扰动。通过解析这些扰动信号，可以重建人体姿态 —— 无需一个像素的视频。
这一技术在以下场景具有独特价值：养老机构夜间看护（无摄像头侵犯隐私）、手术室生命体征监测（无传感器接触患者）、安防盲区探测（穿墙感知）、灾害救援（废墟下的生命迹象）。它本质上是将 WiFi 信号变成了分布式 “雷达”，而 DensePose 正是从这种雷达回波中提取人体骨架信息的技术路径。
二、核心技术架构：WiFlow 模型
WiFlow 是 RuView 实现 WiFi DensePose 的核心模型架构。其设计思路借鉴了计算机视觉中的姿态估计方法，但输入从图像换成了 WiFi CSI（Channel State Information）信号。整体架构包含三个关键组件：
TCN（Temporal Convolutional Network）：负责时序特征提取。CSI 信号本质上是时间序列，TCN 通过多层因果卷积捕获多尺度时序模式。相比循环神经网络，TCN 具有更低的推理延迟和更好的并行能力。
Axial Attention（轴向注意力）：分别对空间维度和时间维度进行注意力计算。这一设计源于 HRNet 等视觉模型的启发，但针对 CSI 的特性进行了调整 —— 空间轴对应不同子载波，时间轴对应采样窗口。轴向注意力可以在保持计算效率的同时捕获长程依赖。
Pose Decoder（姿态解码器）：将编码后的特征向量映射到 17 个 COCO 关键点坐标。每个关键点包含 (x, y) 二维位置和对应的置信度分数。解码器还输出骨骼约束损失，确保相邻关键点之间的距离符合人体 anatomy 规律。
WiFlow 提供四种规模预设：lite（189K 参数）、small（474K 参数）、medium（800K 参数）和 full（7.7M 参数）。边缘部署推荐 lite 或 small 版本，服务器端可使用 medium/full 以获得更高精度。
三、两种训练范式：Camera-Free 与 Camera-Supervised
RuView 提供了两条训练路径，分别对应不同的数据获取条件：
无监督训练（Camera-Free）：仅依赖 10 种传感器信号（PIR、RSSI 三角测量、子载波不对称性、振动、BME280 温湿度等），无需任何标注数据。模型通过自监督方式学习哪些信号模式对应人体姿态变化。训练时间约 84 秒（Apple M4 Pro），模型自动适应新环境。该方式的局限在于精度有限，PCK@20 接近 0%。
有监督训练（Camera-Supervised）：利用 MediaPipe PoseLandmarker 同步采集 17 个 COCO 关键点真值，与 ESP32 CSI 数据对齐后进行监督学习。v0.7.0 版本引入的 Camera Ground-Truth Training 可将 PCK@20 提升至 92.9%，训练时间约 19 分钟。
有监督训练的关键步骤包括：使用 python scripts/collect-ground-truth.py --duration 300 --preview 同步采集摄像头和 CSI 数据；使用 node scripts/align-ground-truth.js 对齐时间窗口；通过 node scripts/train-wiflow-supervised.js --scale lite 启动训练。子载波选择采用方差排序的 top-K 策略，将 70 个子载波压缩至 35 个，减少 50% 输入维度的同时保留关键特征。
四、关键性能指标与阈值
工程落地需要关注以下量化指标：
| 指标 | 阈值 / 范围 | 说明 |
|---|---|---|
| PCK@20 | ≥ 92.9% | 有监督模式下的关键点正确率 |
| 推理延迟 | ≤ 0.012 ms | 单帧 embedding 延迟（M4 Pro） |
| 吞吐量 | 171,472 embeddings/sec | 单节点处理能力 |
| 模型大小 | 8 KB（4-bit 量化） | 量化后可在 ESP32 SRAM 运行 |
| 呼吸检测范围 | 6-30 BPM | 通过 0.1-0.5 Hz 带通滤波 |
| 心率检测范围 | 40-120 BPM | 通过 0.8-2.0 Hz 带通滤波 |
| 穿墙深度 | ≤ 5 m | 视墙体材质而定 |
| 单 AP 可辨识人数 | ~3-5 人 | 受限于 56 子载波数量 |
对于姿态置信度阈值，建议设置为 0.7 以过滤噪声关键点。低于此阈值的关键点应在后处理中丢弃或插值平滑。多人物场景下，使用 Stoer-Wagner min-cut 算法进行子载波聚类分离，RuView 的测试显示可实现 24/24 正确计数。
五、边缘部署：硬件选型与参数配置
最低硬件配置：ESP32-S3（$9）+ Cognitum Seed（$131），总计约 $140。BOM 包含 8-dim 特征向量提取、RVF 向量存储、kNN 相似性搜索、Ed25519 见证链和 MCP 代理。
ESP32-S3 需满足以下条件：双核处理器（单核如 ESP32-C3 不支持 CSI DSP）、至少 4MB Flash（8MB 推荐）。固件刷写后，通过 python firmware/esp32-csi-node/provision.py --port COM9 --ssid YourWiFi --password secret --target-ip 192.168.1.20 配置 WiFi 凭证。
边缘推理的关键参数：在 Tier 2 模式下，ESP32 可本地运行 presence 检测、呼吸心率测量和跌倒警报。推荐配置 --vital-int 500（500ms 生命体征上报间隔）、--fall-thresh 15000（跌倒加速度阈值 15.0 rad/s²）、--subk-count 16（保留 16 个最敏感子载波）。这些参数可根据实际环境通过 --edge-tier 2 重新配置。
多节点部署时，建议使用 3-6 个 ESP32 组成 TDM mesh，节点 ID 和时隙通过 provisioning 脚本配置。信道跳频可开启 --hop-channels "1,6,11" 以增加 sensing 带宽。
六、信号处理管道的工程细节
从原始 CSI 到姿态输出，需经过六个处理阶段：
Phase Sanitization（相位净化）：使用 SpotFi 的共轭乘法消除载波频率偏移（CFO）、采样频率偏移（SFO）和包检测延迟。公式为 CSI_ratio[k] = H₁[k] × conj(H₂[k])。
Hampel 滤波：相比于 Z-score 使用均值 / 标准差，Hampel 采用中位数 / MAD，在 50% 污染率下仍能有效剔除异常值。使用 σ̂ = 1.4826 × MAD 计算稳健标准差。
子载波选择：基于敏感度排序，选择方差比（运动方差 / 静止方差）最高的 top-K 子载波。这一步可将 SNR 提升 6-10 dB。
时频分析：通过 STFT 生成 CSI 频谱图，捕捉不同活动的频率特征 —— 呼吸 0.2-0.4 Hz、步行 1-2 Hz。
Fresnel 模型：基于 TX-body-RX 几何计算菲涅尔区交叉，预测呼吸信号出现位置，解决多径环境下的零交叉点失效问题。
Body Velocity Profile（BVP）：从多普勒频移提取速度分布，这是与房间布局无关的域不变特征。
七、应用场景与监控要点
部署后应关注以下监控指标：
Presence 检测：延迟应低于 0.012 ms，精度目标 100%。可通过 /api/v1/sensing/latest 端点查询。
生命体征：呼吸率和心率需每帧输出置信度，低于 0.5 的读数应标记为不可靠。建议在 /api/v1/vital-signs 设置告警阈值。
姿态稳定性：骨骼物理约束损失应保持在 0.008 以下，确保每个姿态符合人体解剖学。可通过 node scripts/eval-wiflow.js 定期评估。
多人物追踪：监控 min-cut 分离结果，ID 交换次数应为零。使用 node scripts/mincut-person-counter.js 验证计数准确性。
在线学习：SNN 自适应应在 30 秒内完成新环境学习，观察 snn-csi-processor.js 的收敛日志。
资料来源
本文技术参数与架构细节主要来自 RuView GitHub 仓库及项目文档。
- RuView GitHub 仓库：https://github.com/ruvnet/RuView
- HuggingFace 预训练模型：https://huggingface.co/ruv/ruview