Python今日中等GPL-3.0

francescopace/espectre

用Wi-Fi实现无摄像头的人体移动检测

这是一款基于Wi-Fi信道状态信息（CSI）的无摄像头人体移动检测系统，可原生接入Home Assistant实现智能家居联动，仅需ESP32硬件即可部署，主打隐私保护与低成本安防

Stars

8.2k

Forks

630

增长

+112（today）

在 GitHub 打开

最近更新 2026/6/9

Overview

项目介绍

francescopace/espectre 的重点不是概念展示，而是把用Wi-Fi实现无摄像头的人体移动检测落到一套可复用的开源实现里。它把一个明确场景里的关键步骤整理成可复用的开源实现，用户拿到的不只是说明文档，而是一个可以改、可以接、可以持续维护的工具入口。

它的设计重心落在无需摄像头，保护隐私、支持接入Home Assistant联动智能家居和基于Wi-Fi CSI技术，无需额外硬件。这些能力如果做得稳定，就能把用户从重复配置、反复查文档和手动串流程里解放出来，留下更多空间处理真正的业务判断。

Technical Route

技术路线

ESPectre采用ESP32采集Wi-Fi信道状态信息（CSI）的端侧处理架构，通过信号稳定、自动校准、滤波分析的流水线完成无摄像头人体移动检测，最终通过ESPHome原生接入Home Assistant实现智能家居联动。用户理解该路线可明确部署优先级：先确保ESP32与路由器的信号适配，再根据场景选择检测算法，最后通过Home Assistant配置联动逻辑。

1CSI数据采集层：依托ESP32芯片采集Wi-Fi信道状态信息（CSI）原始数据，无需修改路由器配置，仅需设备处于2.4GHz Wi-Fi覆盖范围内即可完成信号监听，支持ESP32-C6、S3等多型号硬件。
2信号稳定校准层：先通过AGC/FFT增益锁定完成约3秒的硬件增益稳定，再采用NBVI（归一化频段方差指数）算法自动筛选12个最优子载波，启动时需保持环境静止以确保校准精度，ML检测模式可跳过该步骤。
3信号滤波处理层：先启用Hampel滤波器去除湍流异常值，再可选配置低通滤波器进行噪声平滑，通过自适应阈值（自动模式为P95×1.1）或手动阈值控制检测灵敏度，适配不同环境干扰水平。
4检测评估判定层：采用MVS（运动方差评分）或端侧神经网络两种检测算法，按设定的评估间隔生成检测分数，再通过Hit Filter的触发次数阈值（motion_on_hits/motion_off_hits）完成IDLE与MOTION状态切换。
5智能家居联动层：通过ESPHome原生API实现与Home Assistant的自动发现，推送运动检测二进制状态、实时运动分数、可调阈值等实体数据，支持安防告警、灯光自动化等多种智能家居场景联动。
6双平台支撑层：分为面向普通用户的ESPectre生产平台（ESPHome组件、YAML配置）和面向开发者的Micro-ESPectre研发平台（Python/MicroPython原型、MQTT集成），平衡稳定性与算法迭代效率。

Why Trending

为什么它会上榜

结合增长、最近更新与社区关注，给出一个更接近“决策参考”的上榜解读。

社区关注度上升：近期新增 +112 Stars（today），讨论热度明显提高。
维护活跃：最近更新于 2026/06/09，更可能持续迭代与补齐文档/生态。
方向聚焦：覆盖 csi / diy / esp-32 / espectre 等主题，适合在该方向快速落地与对比选型。
定位清晰：这是基于Wi-Fi频谱分析的移动检测系统，无需摄像头就能感知人体移动，还可接入Home Assistant实现智能家居联动。

Audience

适合谁

注重隐私、不想安装摄像头的家庭安防用户
不便部署摄像头的办公/仓储场所管理者
已搭建Home Assistant的智能家居爱好者
关注低成本非接触式人员监测的开发者

Use Cases

能拿来做什么

注重隐私的家庭安防场景
不便安装摄像头的办公场所安防

Quick Start

怎么开始

请看仓库README的安装章节

Watchouts

使用前注意事项

MVS检测模式下，设备启动后需保持监测区域10秒无活动以完成自动校准，否则会影响检测精度
需避开金属障碍物、角落等位置，传感器与路由器最优距离为3-8米，过近或过远都会降低灵敏度
实验性ML检测模型为快照版本，功能尚未完全稳定，使用前需查看项目相关讨论获取最新反馈