[發明專利]一種跨場景魯棒的室內人數無線檢測方法及系統

有效

• 申請號: 202210257695.6
• 申請日: 2022-03-16
• 公開（公告）號: CN114359738B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 畢宿志;侯華煒;全智;鄭莉莉
• 申請（專利權）人: 深圳大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V20/52;G06V10/40;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

1.一種跨場景魯棒的室內人數無線檢測方法，其特征在于，所述方法包括：

獲取特征提取器，其中，所述特征提取器是預先根據訓練數據集對預設的卷積神經網絡模型進行訓練獲得的，所述訓練數據集根據預先在訓練場景中采集的信道狀態信息的集合獲得，所述訓練數據集中的信道狀態信息的數目為第一預設值，所述特征提取器用于提取所述信道狀態信息的特征；

獲取待檢測場景對應的分類器訓練數據集，通過所述特征提取器提取所述分類器訓練數據集中的特征并作為分類器訓練特征，根據所述分類器訓練特征訓練預設的機器學習模型并獲得所述待檢測場景對應的分類器，其中，所述分類器訓練數據集根據預先在所述待檢測場景中采集的信道狀態信息的集合獲得，所述分類器訓練數據集中的信道狀態信息的數目為第二預設值，所述第二預設值小于所述第一預設值，所述分類器用于根據輸入的特征進行人數檢測并輸出檢測結果；

獲取所述待檢測場景中的待檢測數據，通過所述特征提取器和所述分類器對所述待檢測數據進行人數檢測并輸出檢測結果，其中，所述待檢測數據根據所述待檢測場景中的待檢測信道狀態信息獲得；

在所述獲取特征提取器之前，所述方法還包括：

通過所述訓練場景中的接收天線預先采集獲取所述訓練場景中各個人數類別對應的信道狀態信息，根據預先設置的預處理過程對所述訓練場景中的信道狀態信息進行處理并進行人數類別標簽的標記，獲得所述訓練數據集；

通過所述待檢測場景中的接收天線預先采集獲取所述待檢測場景中各個人數類別對應的信道狀態信息，根據預先設置的預處理過程對所述待檢測場景中的信道狀態信息進行處理并進行人數類別標簽的標記，獲得所述分類器訓練數據集；

其中，所述人數類別根據對應場景中的人數劃分獲得，所述預處理過程包括：分別計算每一個所述信道狀態信息對應的幅值矩陣和相位矩陣，對所述幅值矩陣進行基于層的標準化并獲得幅值信息矩陣，根據所述相位矩陣計算各所述接收天線之間的相位差并獲得相位信息矩陣；

所述獲取所述待檢測場景中的待檢測數據，通過所述特征提取器和所述分類器對所述待檢測數據進行人數檢測并輸出檢測結果，包括：

通過所述待檢測場景中的接收天線采集獲取所述待檢測場景中的待檢測信道狀態信息；

根據所述預處理過程對所述待檢測信道狀態信息進行處理并獲得所述待檢測數據；

將所述待檢測數據輸入所述特征提取器，獲取所述特征提取器輸出的特征并作為待檢測特征；

將所述待檢測特征輸入所述待檢測場景對應的分類器中，通過所述分類器進行人數檢測并輸出所述檢測結果。

2.根據權利要求1所述的跨場景魯棒的室內人數無線檢測方法，其特征在于，所述獲取特征提取器，包括：

將所述訓練數據集劃分為訓練子集和測試子集；

根據所述訓練子集和所述測試子集對所述預設的卷積神經網絡模型進行訓練獲得所述特征提取器，其中，所述卷積神經網絡模型包括多個卷積塊和一個全連接層，每一個所述卷積塊中包括多個卷積核、一個標準化層和一個ReLU激活函數。

3.根據權利要求2所述的跨場景魯棒的室內人數無線檢測方法，其特征在于，根據預設的訓練代數和預設的知識自蒸餾過程對所述卷積神經網絡模型進行訓練，所述預設的知識自蒸餾過程包括：

基于所述訓練數據集和所述訓練數據集對應的人數類別標簽對所述卷積神經網絡模型進行第1代訓練，獲得第1代模型；

基于所述訓練數據集、所述訓練數據集對應的人數類別標簽以及第代模型的輸出結果對第代待訓練模型進行訓練，獲得第代模型，其中，大于1且不大于所述預設的訓練代數，所述第代待訓練模型的結構與所述第代模型相同。

4.根據權利要求1所述的跨場景魯棒的室內人數無線檢測方法，其特征在于，所述通過所述待檢測場景中的多個接收天線預先采集獲取所述待檢測場景中各個人數類別對應的信道狀態信息的過程中，分別為每一個人數類別采集至少5個對應的信道狀態信息。

5.根據權利要求1所述的跨場景魯棒的室內人數無線檢測方法，其特征在于，所述預設的機器學習模型為邏輯回歸模型或SVM模型。