[發明專利]一種基于深度學習的室內人員感知方法

有效

• 申請號: 201910206961.0
• 申請日: 2019-03-19
• 公開（公告）號: CN109922447B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 江灝;陰存翊;陳靜;繆希仁
• 申請（專利權）人: 福州大學
• 主分類號: H04W4/33
• 分類號: H04W4/33
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

本發明涉及一種基于深度學習的室內人員感知方法。采用普及的具有WIFI功能的設備（包括但不限于路由器），根據設備檢測到的RSSI信號，無需人員攜帶特殊設備實現人員感知，利用深度學習DNN模型進行人員檢測；深度學習當中的DNN模型能夠自動提取不同人數下信號矩陣的特征，從而對人員數量進行檢測。本發明通過人員數量的不同對RSSI信號矩陣的影響結合深度學習進行人員感知，實現室內人員數量的檢測。

技術領域

本發明涉及無感探測技術、深度學習方法，具體涉及一種基于深度學習的室內人員感知方法。

背景技術

無線傳感網絡是由大量靜止或移動的廉價微型傳感器組成的多跳自組織無線網絡，通過協作的方式感知、采集、處理和傳輸對象的監測信息。隨著網絡和通信技術的快速發展，無線傳感網絡也迅速融入進人們的日常生活中。利用無線傳感網絡進行用戶情景感知，特別是室內環境下的人數感知，并根據獲取到的情景信息為用戶提供相應信息服務在實際應用上有著重要意義。WiFi網絡作為無線感知網絡的一種具體體現形式，由于其廣泛存在于生活中的各種基礎電子設備中，如何利用WiFi網絡進行室內環境下的人數感知，成為了近年來無線感知領域的研究熱點。

現階段利用WiFi網絡進行室內人數感知的研究主要方法有：一是基于傳統機器學習的RSSI信號人員感知，通過閾值比較的方式確定待測區域內有無人員；二是基于WiFi網絡里的CSI信號，根據人員數量對CSI信號的影響建立指紋庫采用指紋匹配的方法進行人員數量的判別。傳統機器學習的RSSI信號人員感知，由于傳統機器學習算法對數據特征獲取的能力有限，因此僅能實現簡單的人員有無情況識別，難以針對人員數量進行有效識別。另一方面，只有少數路由器設備才能支持基于CSI信號進行人數判別，在商業推廣與實際應用上有著很大的缺陷。

伴隨著深度學習的發展，特別是對信息量有限的數據特征的強大挖掘能力，近年來深度學習作為一種新的機器學習方法開始受到研究人員和商業人士的高度關注。若能基于易獲取的RSSI信號結合深度學習模型進行數據訓練，使不同人數下的RSSI信號特征的獲取成為可能，從而讓人員的感知更加具有實際的應用意義。

發明內容

本發明的目的在于克服傳統技術的局限性與不足，提供一種基于深度學習的室內人員感知方法，通過人員數量的不同對RSSI信號矩陣的影響結合深度學習進行人員感知，實現室內人員數量的檢測。

為實現上述目的，本發明的技術方案是：一種基于深度學習的室內人員感知方法，包括如下步驟：

步驟S1、在室內場所放置n個傳感節點，各個傳感節點間兩兩互感，相互測得剩余n-1個傳感節點發送的RSSI信號值，經由總傳感節點對各鏈路的RSSI信號值進行匯總，共可生成一個n×n的RSSI信號矩陣，對應公式(1)：

其中，n為傳感節點個數，RSSI信號矩陣中的每個元素表示其中一個傳感節點檢測到對應另一個傳感節點的RSSI信號值；矩陣中對角線元素對應的值表示傳感節點自發自收的值，在實驗中將RSSI信號檢測裝置緊貼傳感節點進行RSSI信號檢測來近似表示傳感節點自發自收的值，故取RSSI信號檢測裝置貼近傳感節點多次實際檢測值-8近似作為傳感節點檢測到自身的RSSI信號值，即矩陣中對角線元素對應的值；在采集矩陣數據過程中，創建一個n×n的空矩陣，接收到一個RSSI值即填入對應元素位置，當所有元素被填滿時輸出該矩陣作為一個樣本數據，同時將矩陣清空，繼續采集下一個矩陣信號；

步驟S2、根據室內環境中的人數數量M將不同人員數量下的信號矩陣分成M類并標記對應標簽作為樣本；然后，隨機選取其中一部分的樣本作為訓練集，另一部分的樣本作為測試集，利用DNN模型進行數據訓練，進行特征提取，建立樣本特征對應人數的關系，從而根據給定的信號矩陣特征，輸出最終的人員數量，實現人員的檢測，并固化網絡模型；最后，用測試集進行測試，驗證方法效果。

在本發明一實施例中，所述步驟S2的具體過程如下：