家の中にカメラを 1 台も置かずに、誰かが家にいるかどうか、あるいは高齢の親がベッドから起きたかどうかを知ることができたらどうでしょう。 映像もクラウドサブスクリプションもなく、録画がハッキングされたり流出したりする心配もありません。 これを実現するのがWiFi プレゼンス検出です。
すでに家中を飛び交っている WiFi 信号のわずかな揺らぎを解析することで、最近のソフトウェアは部屋が使われているか、中の人が動いているか休んでいるかを高い信頼性で判定でき、高度な構成では体勢まで推定できます。しかもカメラは一切使わず、プライバシーは完全にローカルで守られます。
- 映像データが取得・保存されることは一切ない
- 完全にオフラインで動作——ルーターが外部に通信することもない
- 提出を求められたり、ハッキングされたり、流出したりする録画が存在しない
- 家族や来客が知らないうちに撮影されることがない
- 暗い場所でも、家具の陰でも、壁越しでも機能する
このガイドでは、WiFi プレゼンス検出が実際にどのように機能するのか、市販のハードウェアで現実的に何を検出できるのか、Mac での設定方法、そしてこの技術が輝く場面と限界を解説します。
WiFi プレゼンス検出の仕組み
WiFi ルーターは 2.4 GHz または 5 GHz の電波を常に発信しています。この電波は壁や家具、そして人体にも反射します。人が部屋の中を移動すると、体が一部の電波を吸収・散乱させ、近くの端末が受信する信号強度に微小で測定可能な変化が生じます。
このために最もよく使われる指標が RSSI(Received Signal Strength Indicator)で、すべての WiFi チップが報告する dBm 単位の値です。誰もいないとき、RSSI は比較的安定しています。人が部屋に入って動き回ると、RSSI は特徴的なパターンで変動します。感度の高いハードウェアなら、呼吸や心拍による微小な変動まで検出できます。
2 つの主要なアプローチ
- RSSI ベースのセンシング — 既存の WiFi アダプターが報告する信号強度を読み取ります。追加のハードウェアは不要です。精度は中程度で、部屋単位の在室判定(いる/いない)には十分ですが、細かな動きの判定は苦手です。
- CSI ベースのセンシング(Channel State Information) — サブキャリアごとの振幅と位相のデータを取得します。対応するネットワークカード(例:Linux 上の Intel 5300 NIC)が必要です。はるかに高感度で、呼吸数、歩行方向、さらには転倒検出も可能です。
ほとんどの Mac ユーザーにとって朗報です。RSSI ベースのセンシングは、内蔵の Apple WiFi チップと無料のオープンソースツールで今すぐ動作します。CSI ベースのセンシングはより強力ですが追加のハードウェアが必要で、これについては後述の「限界」の章で説明します。
WiFi で検出できること
検出できる内容は、アプローチ(RSSI か CSI か)と信号環境の質に大きく左右されます。現実的な整理は次のとおりです:
在室/不在
部屋に誰かいますか? ほとんどの構成で RSSI により安定して動作します。精度は 90% 以上。
動作中か静止中か
その人は動いているのか、じっと座っているのか。RSSI の分散パターンから明確に判別できます。
睡眠モニタリング
誰かがベッドにいて正常に呼吸しているかを検出します。CSI ハードウェアがあれば可能です。
呼吸/心拍数
CSI による微小な動きの検出。高齢者の見守りに有用です。専用の NIC が必要です。
姿勢推定
wifi-densepose のようなプロジェクトは体のキーポイントを推定できます。CSI と機械学習モデルが必要です。
転倒検出
動きの特徴が急に落ち込むとアラートを発報できます。シニア住宅では命を守る仕組みになります。
典型的なスマートホームの用途——不在時に照明を消す、サーモスタットを調整する、誰かが入ってきたら通知する——では、RSSI ベースのプレゼンス検出で十分であり、追加のハードウェアも不要です。
macOS で WiFi センシングを設定する
macOS は CoreWLAN フレームワークと
前提条件
- macOS 12 Monterey 以降(macOS 15 Sequoia まで動作確認済み)
- Python 3.9 以上(プリインストール済み、または Homebrew で
brew install python) - Mac が WiFi ネットワーク(2.4 GHz または 5 GHz)に接続されていること
- パッシブな信号リファレンスとして、同じネットワークに接続された 2 台目の端末(スマートフォン、ノート PC)
-
依存関係をインストールする
ターミナルを開き、必要な Python ライブラリをインストールします。
# Install dependencies
pip3 install numpy scipy pyobjc-framework-CoreWLAN
# Verify airport utility is available
/System/Library/PrivateFrameworks/Apple80211.framework/Versions/Current/Resources/airport -I-
RSSI を継続的に取得する
wifi_sense.pyというファイルを作成し、以下のコードを貼り付けます。
import subprocess, time, json, collections, statistics
AIRPORT = "/System/Library/PrivateFrameworks/Apple80211.framework/Versions/Current/Resources/airport"
WINDOW = 30 # seconds of history to keep
THRESH = 4.0 # dBm std-dev threshold for "motion detected"
history = collections.deque(maxlen=WINDOW)
def get_rssi():
result = subprocess.run([AIRPORT, "-I"], capture_output=True, text=True)
for line in result.stdout.splitlines():
if "agrCtlRSSI" in line:
return int(line.split(":")[1].strip())
return None
while True:
rssi = get_rssi()
if rssi:
history.append(rssi)
if len(history) >= 10:
std = statistics.stdev(history)
status = "🟢 Motion detected" if std > THRESH else "⚪ Room appears empty"
print(f"RSSI: {rssi} dBm | StdDev: {std:.2f} | {status}")
time.sleep(1)-
実行してキャリブレーションする
スクリプトを起動して出力を観察します。部屋の中を歩き、次にじっと座り、最後に部屋から出てみてください。モーション/ノーモーションの境界が自分の環境にとって正確に感じられるまで、
THRESHを上下に調整します。
python3 wifi_sense.py
# Example output:
RSSI: -62 dBm | StdDev: 1.12 | ⚪ Room appears empty
RSSI: -65 dBm | StdDev: 5.87 | 🟢 Motion detected
RSSI: -61 dBm | StdDev: 6.34 | 🟢 Motion detected
RSSI: -63 dBm | StdDev: 0.94 | ⚪ Room appears empty-
自動化をトリガーする
スクリプトが在室と不在を安定して報告できるようになったら、MQTT ブローカー経由で Home Assistant に接続するか、シェルスクリプトで macOS のショートカットを切り替えたり、HomeKit のシーンを操作したり、プッシュ通知を送ったりできます。難しいのは検出ロジックそのもので、連携は簡単です。
実際の活用例
WiFi プレゼンス検出はもはや研究上の珍品ではなく、いくつもの分野で実際に効果を発揮する実用的なツールです。
高齢者の見守り & 安全
高齢の親が時間どおりにベッドから起きたかを見守り、異常な無活動を検出し、転倒アラートを発報できます。浴室や寝室のようなプライベートな空間にカメラを設置する必要はありません。
空調・暖房の自動化
スマートサーモスタットは空の部屋を暖めることでエネルギーを無駄にします。WiFi センシングは実際の在室データを提供し、本当に人がいるときだけ暖房や冷房を入れられるため、光熱費を 20〜30% 削減できます。
セキュリティ & 侵入検知
誰も家にいないはずのときに不審な存在を検出します。PIR 人感センサーと違い、WiFi センシングは壁を越えて機能し、1 台でフロア全体をカバーできます。
スマート照明
基本的な人感センサーの域を超えます。WiFi プレゼンス検出は、静かに座って読書している人と空の部屋を区別できるため、点けるべきときに照明を点けたままにできます。
オフィス空間の最適化
カメラによる監視なしで、デスクや会議室の実際の利用率を把握できます。施設管理者がオフィス空間を適正化し、不動産コストを削減するのに役立ちます。
ペットの見守り
猫や犬が活動中か休んでいるかを把握できます。構成によっては、健康上の問題を示す可能性のある異常な行動パターンを検出できることもあります。
限界 — 正直なところ
WiFi プレゼンス検出は強力ですが、魔法ではありません。設定に時間を投資する前に理解しておくべき現実的な限界を挙げます。
RSSI だけでは姿勢推定はできない
部屋が使われているかどうかの検出は簡単です。肩・肘・膝などの体のキーポイント推定(DensePose 方式)には、対応するネットワークカードからの CSI データと、学習済みの深層学習モデル(WiPose、P2-Net など)が必要です。RSSI のみの構成では、粗い在室判定と動きの分類までが限界です。
環境ごとのキャリブレーションが必要
家ごとに条件が異なります。金属製の家具、厚いコンクリート壁、近隣ネットワークからの干渉はすべて精度に影響します。自分の環境に合わせてしきい値を試行錯誤する必要があります。オープンなワンルームでうまくいった設定が、昔ながらの長屋風の家では調整を要することもあります。
ペットによる誤検知
犬や大型の猫が部屋を動き回ると、人間と同じように動き検出が反応します。人とペットを区別するには、追加の信号処理や補助センサー(床の荷重センサー、ペット用 Bluetooth タグなど)が必要です。
CSI には専用ハードウェアが必要
macOS で完全な CSI データを取得することは、現在の公開 API ではサポートされていません。研究水準のセンシング(呼吸、心拍、姿勢推定)には、Intel 5300 または Atheros AR9580 NIC を搭載した Linux マシン、あるいは Cognitive Systems Aura や Everactive センサーのような専用の商用ハードウェアが必要です。上で説明した macOS の RSSI アプローチは在室判定には最適ですが、医療水準のモニタリングには向きません。
複数人の人数把握は難しい
RSSI ベースのセンシングは「誰かがここにいる」ことを安定して判定できます。しかし部屋に何人いるかを正確に数えるのは、CSI を使ってもかなり難しく、複数の人体からの信号が重なり互いに干渉します。
カメラのない家庭見守りの未来
WiFi プレゼンス検出は、スマートホーム自動化と安全見守りに対する私たちの考え方を大きく変える、本当に刺激的な変化です。この技術は今でも実用的な導入に耐える成熟度に達しており、とくに在室判定、エネルギー管理、高齢者の安全という中核的な用途で力を発揮します。
重要なのはこの点です。スマートで状況を察知する家にするために、プライバシーを犠牲にする必要はありません。すでに空間を満たしている電波には、照明、暖房、セキュリティ、見守りについて意味のある判断を下すだけの情報が含まれています。映像の 1 ピクセルも取得する必要はありません。
ハードウェアがより手頃になり、wifi-densepose のようなオープンソースツールが成熟するにつれて、「研究用プロトタイプ」と「自分の Mac で動く」の境界は急速に消えつつあります。週末の趣味プロジェクトに取り組む開発者でも、年を重ねた親をプライバシーに配慮して見守りたい人でも、いまは WiFi センシングで何ができるかを試すのに最適なタイミングです。
🛠️ ついでに使える無料ツール
ToolBox には 50 以上の無料オンラインツールがあります。アカウント不要、透かしなし、制限なし。以下は人気のツールです。
JSON フォーマッター 画像圧縮 PDF 圧縮ツール すべてのツールを見る →