🔧 阿川の電商水電行
AI 可以讓 WIFI 實現監控室內人體位置和姿態，無需攝像頭？
最近一個叫 wifi-densepose 的專案登上了趨勢榜，這個專案看起來就很反直覺，它主要是通過分析室內已有的 WiFi 信號來感知人的位置和姿態，從而實現「無攝像頭」的監控。
簡單來說，就是透過 CSI（Channel State Information） 數據來替代原本的 RSSI，具體原理大概是：
- 當 WiFi 信號在室內傳播時，會遇到牆壁、家具和人體，人體作為障礙物，會引起信號的反射、折射和散射
- 人的不同動作（如走動、坐下、舉手）會以特定的方式改變 WiFi 信號的幅度（Amplitude）和相位（Phase），所以可以通過算法得到一個人的「指紋」
- 專案甚至表示可以捕捉微小的動作，如呼吸（4-60 BPM）和心跳，技術上是通過分析信號頻率的微小偏移（微多普勒）實現的
那到這裡你應該看出來了，它的關鍵不在於硬體，而在於其複雜的 AI 神經網路算法，因為這裡的核心是需要將無線信號「翻譯」成了視覺元素：
- 模式轉換：需要有一個轉換實現，接收 WiFi 信號數據，通過編碼器轉換為 2D 的「類視覺特徵圖」
- DensePose 整合：文件說的是用一種改進的 DensePose-RCNN 模型，原本這種模型是為攝像頭設計的，但在這裡它被訓練來識別由 WiFi 信號生成的特徵，並將這些特徵映射到人體表面的 keypoints（關鍵點）上
- 即時處理：通過 Rust 系統可以將處理延遲控制在 50 毫秒以內，實現每秒 30 幀的即時姿態追蹤
- 除此之外，用多個路由器的情況下，形成交叉覆蓋區域來提高精度，通過 MIMO 從不同角度「觀察」人體
所以從代碼層面，它的核心流程：
- CSI 數據採集：系統利用 WiFi 設備獲取底層的 CSI 數據，這個數據主要是記錄了信號在多徑傳播中（被牆壁、人體反射後）的幅度 (Amplitude) 和相位 (Phase) 的變化
- 信號預處理：
- 去噪與歸一化：移除環境雜波干擾
- Hamming Window 處理：減少頻譜洩漏，使信號更穩定
- 相位校準：處理 WiFi 信號固有的相位偏移問題
- 模式轉換：模型接收 CSI 原始張量，通過編碼器映射為類似視覺特徵的 2D 圖像張量
- DensePose：利用深度學習中的 DensePose Head 架構（
densepose_head.py），對生成的特徵圖進行兩類回歸：- 人體部位分割：識別軀幹、四肢等不同部位
- UV 坐標回歸：將人體表面映射到 2D 坐標系，實現精細到皮膚表面的 3D 姿態擬合
看完了大家覺得如何？看起來很高大上，實際上就是對特徵數據的暴力整合，也就是這個專案的核心其實是訓練數據：
為什麼這個信號特徵是睡著，為什麼這個信號特徵是蹲著，這些標籤都需要數據提供。
但是，從開源代碼上看，其中需要進行 WiFi 信號處理和姿態預測的核心功都還沒實現，所以我突然很好奇，這個專案是怎麼飈升到趨勢榜的。
因為從原理上我們可以看出來，計算 WiFi 感知對於軀幹定位較準，但在肢體（手指、四肢末端）的細節捕捉肯定沒辦法精準，除非你有大量的精確特徵數據，而且原理對環境依賴相當敏感，也就是環境發生變化，你數據就要進行校準，不然無法剔除靜態物體的反射干擾。
最重要的是，當室內的人的數量多一點時，信號散射會極度混亂。
所以作者怎麼解決這些問題呢？嗯，作者沒有解決。
是的，作者沒有解決或者沒有開源這些能力，儘管 README 檔案和文檔充寫了很多功能，指標數據也寫得很好看，但是代碼裡很多都沒有實現，而且有一堆 mock 數據，作者沒有提供數據集，你不用 mock 就要自己去標註和做數據。
最過分的是，真實硬體介面是「佔位符」，RouterInterface 中的真實 CSI 採集函數 _collect_real_csi_data() 直接打印警告並返回 None，完全沒有實際實現。
CSI 解析器也用隨機數代替真實數據 ESP32CSIParser 的 amplitude/phase 解析直接用 np.random.rand 生成隨機數，註解寫著 "simplified for now"：
就算是在非 mock 模式下，estimate_poses() 方法內部仍也是用 np.random.randn 生成隨機 CSI 數據：
訓練權重和數據也沒有，看下來的感覺就是：
整個代碼庫就像是 Vibe Coding 寫的樣板代碼，幾乎看到完整實現的核心功能
再深挖可以發現，這個專案大概率是基於 "DensePose From WiFi"（ArXiv:2301.00250）的論文實現，而這個過程作者應該是直接讓 AI 復現論文，只是沒有數據集和更新資訊的情況下，AI 根本復現不了，就復現了一個高大上的 README，和一個工程原型殼子。
所以，最後一個問題：大家 star 和 fork 的時候都不看代碼實現嗎？直接一個 README 就嗨起來了？感覺這更像是一場 AI 的「皇帝的新衣」。
專案地址
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
