francescopace/espectre
🛜 ESPectre 👻 - Motion detection system based on Wi-Fi spectre analysis (CSI), with Home Assistant integration.
Python · ★ 8,401 · Fork 640 · 在 GitHub 查看
在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→
GitHub Trending 上榜记录
francescopace/espectre 已在 GitHub Trending 每日榜单上榜 2 天,最高排名第 15,首次上榜 2026-06-09,最近一次上榜 2026-06-10。
| 日期 | 排名 | Star | 当日增长 |
|---|---|---|---|
| 2026-06-10 | #15 | 8,401 | +134 |
| 2026-06-09 | #15 | 8,169 | +112 |
同期上榜的项目
- addyosmani/agent-skills – Production-grade engineering skills for AI coding agents.
- phuryn/pm-skills – PM Skills Marketplace: 100+ agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.
- refactoringhq/tolaria – Desktop app to manage markdown knowledge bases
- mvanhorn/last30days-skill – AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary
- soxoj/maigret – 🕵️♂️ Collect a dossier on a person by username from 6K websites
- x1xhlol/system-prompts-and-models-of-ai-tools – FULL Augment Code, Claude Code, Cluely, CodeBuddy, Comet, Cursor, Devin AI, Junie, Kiro, Leap.new, Lovable, Manus, NotionAI, Orchids.app, Perplexity, Poke, Qoder, Replit, Same.dev, Trae, Traycer AI, VSCode Agent, Warp.dev, Windsurf, Xcode, Z.ai Code, Dia & v0. (And other Open Sourced) System Prompts, Internal Tools & AI Models
ESPectre 项目深度剖析与商业评估报告
ESPectre 项目深度剖析与商业评估报告
1. 核心定位与商业落地价值
根本痛点解决 ESPectre 解决了传统室内存在检测方案的核心矛盾:隐私性与成本。摄像头方案侵犯隐私,PIR 传感器有盲区、受环境温度影响大且需频繁更换电池,毫米波雷达方案成本高(~$30-50)。ESPectre 利用现有 Wi-Fi 基础设施,仅需 ~€10 的 ESP32 硬件,实现了无摄像头、无穿戴、无额外布线的隐私友好型运动检测。
企业级商业落地场景 智慧养老与医疗监护:监测独居老人活动轨迹,检测长时间不动(跌倒预警)或异常离床,无需在卧室/浴室安装摄像头,符合 GDPR/隐私合规要求。 商业节能与空间利用率分析:在写字楼、共享办公空间,通过多传感器部署,实现按区域存在检测的智能照明/HVAC 控制,节省 30-50% 空置区域能耗。可生成热力图用于空间租赁优化。 安防与入侵检测:与现有 Wi-Fi 网络融合,在家庭/小型办公室实现低成本、隐蔽式周界入侵检测,尤其是对玻璃破碎、翻窗等动作敏感。 零售客流量分析:在门店入口或货架区域,检测顾客停留/经过,统计客流轨迹(需配合多传感器定位),替代昂贵的红外或视频客流系统。
竞品差异化与护城河 对比 PIR/存在传感器 (如 Aqara FP2):ESPectre 无盲区(静止人体可检测),不受温度/气流干扰,支持穿墙检测(信号穿透性),且成本仅为雷达方案的 1/5。 对比其他 CSI 项目 (如 Nexmon, OpenWrt CSI):ESPectre 提供了端到端的产品化闭环:ESP32 固件(C++)→ 自动校准 (NBVI) → 自适应阈值 → ESPHome 原生集成 → Home Assistant 自动发现。这极大降低了部署门槛,而非仅提供科研工具。 护城河:1) 自动子载波选择 (NBVI):无需手动调参即可达到 F1>96%,解决了 CSI 系统部署时最棘手的“环境适配”问题。2) 双平台战略 (Micro-ESPectre R&D + ESPectre Production):快速迭代算法(Python)后固化到生产代码(C++),形成高效的创新-交付循环。3) 社区生态绑定:深度集成于 Home Assistant 和 ESPHome,用户粘性高,迁移成本大。
2. 核心架构设计与技术深度
模块拆解思想 项目采用清晰的分层架构: 硬件抽象层 (HAL):基于 ESP-IDF 的 Wi-Fi CSI 回调,屏蔽不同 ESP32 变体(S3/C6/C3)的硬件差异。 信号处理管线 (Pipeline):CSI 数据 → 增益锁定 (AGC 稳定) → 自动校准 (NBVI 子载波选择) → 自适应阈值计算 → 滤波 (Hampel/LPF) → 检测评估 (MVS/ML) → Hit 滤波 → 状态机 (IDLE/MOTION)。 通信集成层:通过 ESPHome Native API 与 Home Assistant 通信,采用边缘触发(状态变化立即推送)+ 周期心跳(Movement Score 定期上报)的混合模式。 R&D 平台 (Micro-ESPectre):独立 Python 包,支持 MQTT 桥接、数据记录、实时可视化 Web 监控,用于快速算法原型。
关键设计模式 流水线模式 (Pipeline):信号处理阶段间通过环形缓冲区解耦,每个阶段可独立启用/禁用(如 LPF 默认关闭),支持热插拔算法模块。 状态机模式 (State Machine):IDLE ↔ MOTION 的二元状态机,通过 motiononhits / motionoffhits 参数实现滞回控制,避免频繁抖动。 策略模式 (Strategy):检测算法可切换为 MVS(均值方差)或 ML(神经网络),通过 YAML 配置 detectionalgorithm: ml 即可,无需修改固件逻辑。
在 README 中展示上榜徽章
[](https://github.fq6825.top/repo/francescopace/espectre)