[C/C++] ESP32 Wi-Fi感知开源方案：室内人体活动检测与跌倒预警应用

在智能家居场景中，一些精细化的感知需求仍存在实现挑战：

• 家庭安防：离家模式下，及时感知闯入并推送告警。
• 老人看护：监测日常活动，及时发现跌倒或长时间静止等异常。
• 智能联动：实现“人来灯亮”等自动化场景，精准触发设备。
• 节能管理：自动识别房间闲置状态，关闭不必要的电器。
• 儿童监测：当孩子在设定时间离开房间时发出提醒。
• 精准环境控制：仅对有人活动的区域进行供暖或制冷。

传统的摄像头方案存在隐私顾虑，且部分功能实现成本较高。是否存在一种兼顾隐私性、灵敏度和成本的检测方案？

开源项目 ESPectre 提供了一种创新思路：利用普通 Wi-Fi 信号实现室内人体与动物的移动检测，其原理类似于在房间内部署一个无形的生物雷达。

项目简介

ESPectre 是一个基于 Wi-Fi 信道状态信息的开源人体感应项目。它利用 ESP32 芯片捕捉环境中的 Wi-Fi 信号细微波动，无需摄像头或红外传感器，即可实现高灵敏度的人体存在检测、动作识别乃至跌倒预警。

硬件需求（低成本）

• 2.4GHz Wi-Fi 路由器（家庭常见型号即可）。
• 支持 CSI 的 ESP32 芯片，如 ESP32-S3、C3、C6 等型号。

软件需求

• Home Assistant（家庭助手）：可在树莓派、PC、NAS 或云端运行。
• ESPHome：可集成在 Home Assistant 中或独立运行。

技术原理：将Wi-Fi信号变为“生物雷达”

ESPectre 的核心在于利用 Wi-Fi 信道状态信息进行环境感知。

1. 从粗略的 RSSI 到精细的 CSI
传统 Wi-Fi 感知多采用接收信号强度指示，其测量较为粗糙，易受干扰。而信道状态信息则记录了 Wi-Fi 信号在每个子载波（可理解为多个精细的频率通道）上的振幅和相位数据，其精细度远超 RSSI。一个数据包可包含 50 个以上的子载波信息，任何细微的环境扰动都可能在 CSI 数据上体现。

2. 多径效应与人体干扰
室内 Wi-Fi 信号会经墙壁、家具等物体反射，通过多条路径到达接收端，形成稳定的“环境指纹”。人体主要由水构成，会吸收和反射电磁波。当人体移动时，会动态改变这些信号路径，从而导致接收端的 CSI 数据产生特征性波动。

3. 高效的信号处理算法
考虑到 ESP32 的算力，项目采用了高效的数学算法而非复杂的深度学习模型。

• MVS：通过计算 CSI 数据的方差来监测环境波动的剧烈程度，判断是否有物体移动。
• NBVI：通过对比当前信号与静态基准信号，计算出一个反映环境变化程度的得分，用以区分静止、微动（如打字）和剧烈运动（如行走）。

4. 完整的信号处理流程

1. 采集：ESP32 监听路由器发出的 Wi-Fi 数据包，并提取底层的 CSI 原始数据。
2. 过滤：使用 Python 编写的处理逻辑滤除硬件时钟偏移和环境背景噪声。
3. 计算：通过 MVS/NBVI 算法，将复杂的相位与振幅变化简化为直观的运动强度数值。
4. 决策与上报：当数值超过预设阈值时，通过 MQTT 或 ESPHome API 触发“有人活动”事件，上报至智能家居中枢。

简言之，ESPectre 将 Wi-Fi 信号视作一张布满房间的隐形网络，人体活动会引起网络振动，而 ESP32 则负责捕捉并解读这些振动，其本质是一种创新且低成本的 人工智能 感知方案。

项目地址

• 项目主页与源码：https://github.com/francescopace/espectre