開源項目 WiFi DensePose 由開發者 Reuven Cohen 主導，系統利用普通 WiFi 路由器訊號，在不使用任何攝影機情況下即時追蹤人體姿態。這項技術近期在 GitHub 持續引起科技社群討論。
技術原理：用 WiFi 訊號「看人」
WiFi DensePose 核心技術是 Channel State Information（CSI），即 WiFi 訊號在傳播過程中因碰到人體而產生的相位與振幅變化。系統透過深度神經網絡（DensePose Neural Network），將這些訊號變化轉換為人體關鍵點座標，再由多目標追蹤器維持每個人的持續身份識別。相較於依賴光線的鏡頭系統，WiFi 訊號可穿透牆壁，令系統在複雜環境保持穩定。
硬件相容性
系統支援市面多款主流路由器及 WiFi 晶片，無需購置專用硬件：
推薦路由器：ASUS AX6000（RT-AX88U）、Netgear Nighthawk AX12、TP-Link Archer AX73、Ubiquiti UniFi 6 Pro
CSI 晶片：Intel WiFi 5300／7260／8260／9260、Atheros AR9300、Broadcom BCM4366、Qualcomm QCA9984
性能指標
系統平均每幀處理時間為 45.2 毫秒，可持續以 30 FPS 輸出，並支援同時追蹤最多 10 人。姿態偵測準確率達 94.2%，與鏡頭式系統相當；跌倒偵測靈敏度高達 96.5%，特異性為 94.1%。資源佔用方面，系統需要約 2.1 GB 記憶體，在 4 核心系統上 CPU 使用率約 65%。
多元應用場景
WiFi DensePose 針對不同行業設計特定設定配置，覆蓋以下主要場景：
醫療保健：跌倒警報、靜止時間監控。個人資料自動保留 30 天後清除，並啟用加密功能。
健身：動作次數計算、姿態評分、運動強度分析。
智慧家居：空間佔用監控、無感知起居追蹤。
安全監控：人員進出偵測、異常行為識別。
部署與安裝
系統可透過 pip install wifi-densepose 直接安裝，亦支援 Docker 及 Kubernetes 部署方案，適合企業級生產環境。REST API 及 WebSocket 串流均已內建，方便整合至現有系統。API 文件可於本地伺服器啟動後在 localhost:8000/docs 直接查閱。項目以 MIT 授權開放原始碼，程式碼庫現托管於 GitHub，提供模擬硬件模式方便在無實體路由器環境進行開發測試。
資料來源：GitHub ruvnet/wifi-densepose
