买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：内蒙古大学

摘要：本发明公开了一种基于被动式WiFi感知的大规模人群计数方法，包括以下步骤：设定监测区域并进行WiFi嗅探，获取嗅探感知数据；通过滑动窗口机制进行滑动窗口采样，对每个滑动窗口内的嗅探感知数据进行WiFi指纹定位，得到所述监测区域内的指纹定位信息；将多个窗口下的所述定位信息构建为对应的多个WiFi时空信息矩阵，并将所有所述WiFi时空信息矩阵堆叠为WiFi时空信息矩阵序列；对所述WiFi时空信息矩阵序列进行有监督学习并进行人数预测，得到所述监测区域内的人数；本发明通过有监督学习，建立了WiFi时空信息矩阵序列和监测区域内人数的映射，可以实现更细粒度的参数估计，充分捕捉时空相关性，提高了映射关系的精确度。

主权项：1.一种基于被动式WiFi感知的大规模人群计数方法，其特征在于，包括以下步骤：设定监测区域并进行WiFi嗅探，获取嗅探感知数据；通过滑动窗口机制进行滑动窗口采样，对每个滑动窗口内的嗅探感知数据进行WiFi指纹定位，得到所述监测区域内的指纹定位信息；将多个窗口下的所述定位信息构建为对应的多个WiFi时空信息矩阵，并将所有所述WiFi时空信息矩阵堆叠为WiFi时空信息矩阵序列，步骤包括：初始化维度为M×N的一个时间窗口内的WiFi时空信息矩阵；将尺寸为H×W的嗅探范围区域划分为M×N个等尺寸网格；遍历单个时间窗口下的所述指纹定位信息和所有网格根据每个检测目标的所述指纹定位信息，更新其定位网格对应的所述WiFi时空信息矩阵元素；若且则对连续l个时间窗口的定位集合LΔt进行遍历，对应得到l个连续的WiFi时空信息矩阵；将所述WiFi时空信息矩阵堆叠，得到WiFi时空信息矩阵序列对所述WiFi时空信息矩阵序列进行有监督学习并进行人数预测，得到所述监测区域内的人数，步骤包括：构建RNN深度学习模型，所述RNN深度学习模型包括4个隐藏层，由输入到输出的每个所述隐藏层分别由512、256、128、64个RNN单元构成，每层的所述RNN单元之间使用全连接权重相互连接，每个所述RNN单元使用ReLU作为非线性激活函数；构建第二模型训练数据集；通过所述第二模型训练数据集采用Adam优化算法和MSE损失函数对预先构建的所述RNN深度学习模型以学习率lr＝2e-5进行迭代训练；将所述WiFi时空信息矩阵序列按行拉平构成多个长度为网格划分细粒度的向量序列，输入至训练好的所述RNN深度学习模型，得到对应时刻监测区域的人数。

全文数据：

权利要求：

百度查询： 内蒙古大学 一种基于被动式WiFi感知的大规模人群计数方法