没有摄像头，没有传感器。 仅通过 Wi-Fi 读取人体运动。 美国卡内基梅隆大学的研究人员开发了一种系统，该系统利用标准的 WiFi 路由器来检测穿墙的人体移动——无需任何摄像头。 该系统通过应用人工智能和 DensePose 模型，将 WiFi 信号实时转换为详细的人体姿态地图。 这项技术被称为 Wi-Fi DensePose，由卡内基梅隆大学（CMU）的研究人员开发。它代表了无线感知领域的一项重大突破，能够仅凭普通家用路由器生成的无线信号，“看穿”墙壁并实时绘制人体的 3D 姿态。 核心技术原理 该系统的运行不再依赖光学成像，而是通过以下步骤实现“透视”： 信号解析 (CSI)：系统利用 Wi-Fi 的信道状态信息（CSI）。当人体移动时，会干扰空间中的无线电波，产生独特的振幅和相位变化。 深度学习映射：研究团队开发了一种深度神经网络，将这些混乱的 Wi-Fi 信号映射到人体的 UV 坐标上。这种坐标系能够精确地描绘出人体的躯干、四肢及关节的 3D 轮廓。 低成本优势：与昂贵的 RGB 摄像头、雷达或激光雷达（LiDAR）相比，该方案利用现有的廉价 Wi-Fi 硬件即可实现，成本极低。 主要应用场景 隐私保护下的监护：由于不使用摄像头，该技术特别适用于浴室、卧室等私密场所。例如，在智慧养老中，它能实现“无感监护”，在老人不慎跌倒时触发警报，而不会泄露具体视觉隐私。 搜索与救援：在自然灾害发生后，救援人员可利用该技术作为生命探测仪，透过瓦砾检测被困者的位置和呼吸状态。 智能家居自动化：更精准地感知室内人数和活动，从而自动调节灯光或温控系统。 技术挑战与现状 尽管在实验室环境下表现出色，但该技术目前仍面临一些挑战： 硬件限制：普通的家用路由器固件通常是封闭的，难以直接提取 CSI 数据。目前的实验多依赖于刷入特定固件的设备（如 ESP32 系列芯片）。 环境干扰：现实环境中的家具遮挡、多路径反射以及微波炉等电子干扰会降低信号识别的准确度。 双刃剑效应：该技术也引发了对隐私安全的担忧，因为它可能被不法分子利用，进行隐秘的“隔墙监控”。