物联网人体检测方案(Wi‑Fi CSI / PIR 红外 / 毫米波雷达)分析对比

物联网人体检测方案(Wi‑Fi CSI / PIR 红外 / 毫米波雷达)分析对比

针对物联网人体检测需求,Wi-Fi CSI、PIR红外和毫米波雷达是三种主流技术方案。它们在原理、性能和适用场景上差异显著,以下是详细对比分析。

一、本质区别

  1. PIR 红外:靠体温 + 移动触发,只抓 “热源晃一下”
  2. 毫米波雷达:靠发射电磁波反射,抓微小震动 / 呼吸,测距离
  3. Wi‑Fi CSI:靠环境 Wi‑Fi 信号波动,整屋透视,不发射探测波,纯监听信号变化

二、核心原理拆解

1. PIR 人体红外

原理:检测人体8~14μm 红外热辐射+ 透镜切割移动热源

  • 只能检测:发热 + 大幅度走动
  • 静态不动(躺床、久坐)→ 直接判无人 

2. 毫米波雷达(24G/60G 人体存在)

原理:发射高频雷达波,接收反射,分析多普勒频移

  • 能抓:微动、呼吸、心跳、静坐、躺卧
  • 能测距、分区、防宠物(高端款)

3. Wi‑Fi CSI(信道状态信息

原理:监听全屋 Wi‑Fi 子载波幅度 / 相位细微扰动

  • 不靠发热、不靠发射探测波
  • 人在房间任何位置、甚至隔墙微动,都会改变信号路径 → 识别运动


三、全维度硬核对比表

对比维度

PIR 红外

毫米波雷达

Wi‑Fi CSI(ESP32)

能否识别人静坐 / 躺卧

❌ 不行

✅ 精准

✅ 可识别(靠整体信号扰动)

静态人体检测

完全失效

超强

较强(靠长期基线变化)

有无探测死角

超多死角(角落、遮挡)

少死角

几乎无死角,全屋覆盖

穿墙能力

❌ 完全不行

弱(薄墙勉强)

✅ 天然穿墙感知全屋

防宠物干扰

高端款可过滤

难区分人和宠物(都是移动干扰)

隐私安全

无画面无收音

无画面无收音

⭐最强,纯信号分析,无影像音频

成本硬件

极低(几块钱)

中等(几十~百元)

极低(ESP32-C3/S3 即可)

抗环境干扰

怕冷风、温差

抗干扰强

受 Wi‑Fi / 蓝牙干扰,需校准

部署布线

单点安装

单点安装

一个节点管一间房

输出数据

仅开 / 关有人

距离 + 微动 + 呼吸

Movement Score + 量化强度 + 阈值

依赖环境

不需要网络

不需要网络

必须房间有 Wi‑Fi


四、物联网典型应用场景

三大方案:物联网典型应用场景

(1)PIR 红外 —— 低成本触发类场景

最适合

  1. 楼道、走廊、玄关、车库、阳台:有人走过亮灯
  2. 公厕、仓库:来人亮灯、走人熄灯
  3. 低价安防:移动触发抓拍、告警
  4. 简易节能:过道自动照明

完全不适合

  • 卧室久坐看书、床上休息不掉灯
  • 老人躺卧监护、睡眠监测
  • 需要精准 “人一直在” 的场景

💡 物联网定位纯移动触发、低成本、广撒网点位部署


(2)毫米波雷达 —— 高端人体存在、居家刚需

最适合

  1. 卧室、书房、客厅:久坐不掉灯、躺卧一直留人
  2. 酒店客房:有人占位检测、无人断电节能
  3. 卫浴、衣帽间:细微微动也能识别
  4. 养老监护:静态人体停留、倒地不动预警
  5. 空调 / 新风联动:房间有人维持恒温、无人关停
  6. 车位占位检测、区域围栏防闯入

短板

  • 大面积大空间要多装几个点位
  • 成本比 PIR 高
  • 便宜款分不清人和宠物

💡 物联网定位精准人体存在、静态活体检测、单点高可靠


(3)Wi‑Fi CSI(ESP32/ESPectre)—— 全屋无感隐私感知

最适合

  1. 大平层、整屋客厅:一个节点覆盖整个房间
  2. 隐私敏感场景:婴幼儿房、卧室、民宿(坚决不要摄像头)
  3. 全屋全域智能:房间有人 / 无人全局联动
  4. 老旧房不布线:利用现有 WiFi,不用到处装传感器
  5. 居家安防:异常移动穿墙预警、无人布防

短板

  • 依赖稳定 WiFi,干扰大要校准
  • 分不清人和宠物 / 风扇晃动
  • 不做精细测距,只判区域整体有人扰动

💡 物联网定位全屋广域覆盖、隐私优先、少设备控大空间


五、最佳选型建议

① 走廊、玄关、过道、只看走动

PIR:最便宜够用

② 卧室、书房、需要久坐躺卧不掉灯

 选 毫米波雷达:最稳最省心

③ 全屋大面积、多角落、重视隐私、想低成本全屋覆盖

 选 Wi‑Fi CSI(ESPectre):一个设备管一间房

④ 高阶组合(智能家居顶配)

  • 卧室:毫米波雷达(保静态不掉灯)
  • 客厅 / 大空间:Wi‑Fi CSI(全屋无死角)
  • 过道:PIR(补低成本触发)
Could not load content