从WiFi信号到人数统计：OUI数据库如何让你的电脑变成"人数雷达"

1. 问题引入：WiFi信号里藏着多少秘密？

1.1 商场WiFi的人流统计魔法

当你走进大型商场时，商场管理者如何知道实时客流数据？为什么机场能提前预测安检排队时间？这些场景背后，都藏着一个利用WiFi信号进行人数统计的技术秘密。howmanypeoplearearound项目正是将这种技术平民化的工具，让普通电脑也能变身"人数雷达"。

1.2 看不见的设备"身份证"

每台智能手机、平板电脑等无线设备都有一个独特的MAC地址，就像设备的数字身份证。当这些设备搜索WiFi信号时，会主动发送包含MAC地址的探测请求。通过捕获这些信号，我们就能知道周围有多少活跃设备——进而估算出大致人数。

[!TIP] 技术冷知识：普通WiFi路由器就能接收到周围100米内的设备信号，即使设备未连接网络也会主动发送探测信号。

2. 核心原理：OUI数据库如何识别设备身份

2.1 OUI数据库（组织唯一标识符）是什么

OUI数据库就像一本"设备户籍册"，记录了全球所有网络设备制造商的唯一编码。每个MAC地址的前6个字符（如"90:e7:c4"）对应着特定的硬件制造商，这就是OUI标识符。

核心模块：[howmanypeoplearearound/oui.py]负责管理这个数据库，它会自动从IEEE官方网站下载最新数据，确保识别准确性。

2.2 MAC地址解析关键步骤

设备识别过程分为三个阶段：

1. 信号捕获：通过tshark工具监听周围WiFi信号，收集MAC地址和信号强度
2. 厂商匹配：提取MAC地址前8个字符（含分隔符）查询OUI数据库
3. 设备筛选：判断该厂商是否属于常见手机制造商

# MAC地址解析核心代码
# 提取MAC地址前8个字符（如"90:e7:c4"）查询厂商信息
oui_id = 'Not in OUI'
if mac[:8] in oui:  # oui是加载的OUI数据库字典
    oui_id = oui[mac[:8]]  # 获取厂商名称

[!TIP] 实用技巧：MAC地址格式通常为"AA:BB:CC:DD:EE:FF"，前6个字符（AA:BB:CC）就是OUI编码，代表设备制造商。

2.3 从设备数到人数的转换公式

由于不是所有设备都是手机，项目采用统计模型进行转换：

• 默认70%的设备为智能手机（可通过--nocorrection参数关闭修正）
• 人数 = 手机设备数 ÷ 0.7

核心模块：[howmanypeoplearearound/main.py]中的人数计算逻辑实现了这一转换。

3. 实践价值：WiFi人数统计的应用场景

3.1 家庭安全监控

独居老人家庭可通过该工具监测屋内活动情况。当长时间检测不到设备信号时，系统可自动发送提醒。

实施案例：

# 持续监控模式，每30秒扫描一次
python -m howmanypeoplearearound --loop -s 30 --out monitoring.log

通过分析日志文件，可了解家人日常活动规律，发现异常情况。

3.2 小型场所人流分析

咖啡馆老板可通过该工具统计不同时段客流量，优化人员排班和营业时间。

实施案例：

# 生成数据分析报告
python -m howmanypeoplearearound -o cafe_data.log
# 分析数据并生成可视化图表
python -m howmanypeoplearearound -z cafe_data.log

系统会自动生成包含人数变化趋势的网页报告，帮助经营者做出决策。

3.3 活动参与人数统计

组织户外集会时，可快速估算现场人数，无需人工计数。

实施案例：

# 仅显示人数数字，适合脚本集成
python -m howmanypeoplearearound --number -s 120

该命令会在2分钟扫描后输出估算人数，可集成到活动管理系统中。

[!TIP] 最佳实践：选择信号干扰少的5GHz频段适配器，可提高设备检测准确率约30%。

4. 操作指南：从零开始使用人数统计功能

4.1 环境准备与安装

# 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/ho/howmanypeoplearearound
cd howmanypeoplearearound

# 安装依赖
pip install -r requirements.txt

# 安装必要系统工具
sudo apt-get install tshark  # Debian/Ubuntu系统
# 或
brew install wireshark      # macOS系统

4.2 基础扫描命令详解

参数	功能描述	示例
-s	扫描时长(秒)	-s 60 扫描1分钟
-o	输出数据到文件	-o data.log 保存结果
--number	仅显示人数	--number 简化输出
--loop	持续监控模式	--loop 不断重复扫描
-z	分析数据文件	-z data.log 生成报告

4.3 高级配置技巧

自定义制造商列表：

# 创建自定义制造商文件
echo "Apple, Inc." > my_manufacturers.txt
echo "Huawei Symantec Technologies Co.,Ltd." >> my_manufacturers.txt

# 使用自定义列表扫描
python -m howmanypeoplearearound -m my_manufacturers.txt

信号强度过滤：

# 只统计信号强度大于-70dBm的附近设备
python -m howmanypeoplearearound --nearby

[!TIP] 故障排除：若提示"找不到tshark"，需将Wireshark安装目录添加到系统PATH环境变量。

5. 扩展思考：技术边界与未来发展

5.1 技术局限性

该工具依赖设备主动发送的WiFi信号，存在以下限制：

• 无法检测关闭WiFi的设备
• 密集环境下信号干扰可能导致计数不准
• 室内环境中墙体等障碍物会影响信号接收范围
• 无法区分同一设备的多次探测信号

5.2 延伸思考问题

1. 如何结合蓝牙信号检测提高设备识别率？
2. 能否通过机器学习模型优化人数估算算法？
3. 如何保护用户隐私的同时实现人数统计功能？

5.3 合规使用提示

⚠️ 重要提醒：使用网络监控工具时，请确保：

• 仅在你有权管理的网络环境中使用
• 遵守当地数据保护法律法规
• 不收集或存储可识别个人身份的信息
• 明确告知相关人员可能进行的网络监控

技术本身是中性的，负责任的使用才能让技术真正造福社会。