# Wifi Densepose

> Видеть сквозь стены помогут сигналы обычного Wi-Fi роутера

WiFi DensePose - распознавание поз человека через WiFi-сигналы без камер. Мониторинг жизненных показателей и детекция присутствия в реальном времени.

- Категории: Opensource, Бесплатные, Инструменты разработчика
- Работает из России: Да
- Бизнес-модель: Бесплатно
- Сайт сервиса: https://github.com/ruvnet/wifi-densepose
- Карточка в каталоге: https://ailibri.com/wifi-densepose
- Обновлено: 2026-05-22

## Описание

Wifi Densepose - это система, которая видит людей сквозь стены, используя обычные сигналы WiFi. Никаких камер, никаких датчиков на теле, только радиоволны, которые и так уже заполняют каждую комнату. Система анализирует, как WiFi-сигналы рассеиваются от человеческого тела, и восстанавливает позу скелета, частоту дыхания и сердцебиение в реальном времени.


Работает это так: WiFi-роутер постоянно излучает радиоволны, они проходят через комнату, отражаются от тела человека и возвращаются искаженными. Wifi Densepose ловит эти искажения через несколько ESP32-модулей, расставленных по помещению, и извлекает из них Channel State Information - данные о том, как изменились амплитуда и фаза каждого подканала сигнала. Дальше нейросеть обрабатывает этот поток и выдает координаты 17 ключевых точек тела, частоту дыхания от 6 до 30 вдохов в минуту и пульс от 40 до 120 ударов в минуту.


Система умеет отслеживать несколько человек одновременно, работает через стены, мебель и даже завалы, что делает ее полезной в поисково-спасательных операциях. Есть режим WiFi-Mat для сортировки пострадавших по методу START - система сама оценивает степень тяжести состояния по дыханию и пульсу.


Главная фишка - полная приватность. Никаких пикселей видео, никаких изображений, никаких записей лиц. Только радиосигналы, которые система преобразует в абстрактные координаты скелета. При этом точность достаточна для мониторинга здоровья, контроля присутствия или даже анализа намерений человека через модель устойчивого поля комнаты.


Технически система состоит из нескольких слоев: сначала идет мультистатическая сетка из 4-6 ESP32-узлов, которые собирают CSI-данные с разных точек и сливают их в единую картину с охватом 360 градусов. Потом сигнал проходит через цепочку фильтров - удаление выбросов, компенсация многолучевости, выделение полос дыхания и сердцебиения. Дальше включается AI-бэкенд на базе RuVector с механизмами внимания, графовыми алгоритмами и сжатием данных. Финальный этап - протокол Signal-Line, который превращает CSI в шестиступенчатую модель восприятия: от сырого сигнала до топологии комнаты и предсказания поведения.


Производительность впечатляет: полностью переписанный на Rust пайплайн обрабатывает 54 тысячи кадров в секунду, весь Docker-образ занимает 132 мегабайта, а задержка на обработку одного кадра - меньше 100 микросекунд. Развернуть систему можно одной командой через Docker, живая визуализация поднимается за 30 секунд.


Есть нюанс: для полноценной работы нужно CSI-совместимое железо - ESP32-S3 или исследовательская сетевая карта вроде Intel 5300. Обычный WiFi-адаптер в ноутбуке даст только RSSI - грубый показатель мощности сигнала, которого хватит для определения присутствия, но не для позы или пульса. Если железа нет, можно проверить работу алгоритмов на детерминированном тестовом сигнале, который идет в комплекте.


Обученные модели упаковываются в один файл формата .rvf и могут работать на краю сети, в облаке или даже в браузере через WebAssembly. Система обучается сама, без размеченных данных и без камер - использует adversarial domain generalization, чтобы модель, обученная в одной комнате, работала в любой другой без переобучения. Это значит, что можно тренировать один раз и разворачивать где угодно.

## Похожие сервисы в каталоге

- [Hermes Agent](https://ailibri.com/hermes-agent): Hermes Agent — агент с открытым исходным кодом от NousResearch, который развивается вместе с вами. Поддержка инструментов, веб-исследований и автоматизации зада
- [HeyCLI](https://ailibri.com/heycli): Инструмент для перевода команд с обычного языка на язык Linux. Просто опишите словами, что нужно сделать, и получите готовую команду.
- [Openclaw Infra](https://ailibri.com/openclaw-infra): Openclaw Infra - Docker-инфраструктура для запуска AI-агентов OpenClaw с поддержкой Telegram. Простое развертывание нескольких агентов на одном сервере.
- [Polymath](https://ailibri.com/polymath): Инструмент для превращения любой музыкальной библиотеки в сэмпл-банк для продакшена с помощью машинного обучения
- [Ollama](https://ailibri.com/ollama): Локальная платформа для запуска языковых моделей на компьютере без отправки данных в облако. Поддерживает популярные модели вроде Llama, Mistral и Gemma.
- [cc-1c-skills](https://ailibri.com/cc-1c-skills): Набор навыков для AI-агентов Claude Code, Cursor и Codex для разработки на 1С:Предприятие 8.3 с абстракциями над XML, CLI конфигуратора и тестированием через ве

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com