本项目针对传统摄像头人体姿态识别的隐私泄露、环境依赖问题,基于 WiFi CSI(信道状态信息)信号,实现无摄像头、非接触式实时骨骼追踪,兼顾隐私与低成本。
核心优势突出:无需采集图像,从源头规避隐私风险;不受光照、遮挡影响,可穿透非金属障碍物;复用现有 WiFi 设施,无需额外硬件;边缘端推理实现毫秒级响应,支持实时交互。适用于智慧养老、智能家居、安防监控、康复医疗、健身运动等场景。
技术方案上,创新结合时序卷积网络(TCN)与多天线 WiFi CSI 数据,通过3个 ESP32-S3发送端采集186维信道数据,经预处理生成标准输入张量,训练端到端模型实现14关节点骨骼追踪。核心模块含 CSI 采集、姿态标注、数据预处理、模型训练及实时推理可视化。
项目由本人负责硬件部署、数据采集、模型训练及推理部署,技术栈涵盖 ESP-IDF、PyTorch、MediaPipe 等。亮点为纯 WiFi 驱动、零隐私风险,多节点空间分集提升精度;难点在于 CSI 信号降噪、多节点时序对齐,以及低延迟下的关节定位精度保障。