[发明专利]一种基于深度学习的室内人员感知方法

摘要

本发明涉及一种基于深度学习的室内人员感知方法。采用普及的具有WIFI功能的设备（包括但不限于路由器），根据设备检测到的RSSI信号，无需人员携带特殊设备实现人员感知，利用深度学习DNN模型进行人员检测；深度学习当中的DNN模型能够自动提取不同人数下信号矩阵的特征，从而对人员数量进行检测。本发明通过人员数量的不同对RSSI信号矩阵的影响结合深度学习进行人员感知，实现室内人员数量的检测。

主权项

1.一种基于深度学习的室内人员感知方法，其特征在于，包括如下步骤：步骤S1、在室内场所放置n个传感节点，各个传感节点间两两互感，相互测得剩余n‑1个传感节点发送的RSSI信号值，经由总传感节点对各链路的RSSI信号值进行汇总，共可生成一个n×n的RSSI信号矩阵，对应公式(1)：其中，n为传感节点个数，RSSI信号矩阵中的每个元素表示其中一个传感节点检测到对应另一个传感节点的RSSI信号值；矩阵中对角线元素对应的值表示传感节点自发自收的值，在实验中将RSSI信号检测装置紧贴传感节点进行RSSI信号检测来近似表示传感节点自发自收的值，故取RSSI信号检测装置贴近传感节点多次实际检测值‑8近似作为传感节点检测到自身的RSSI信号值，即矩阵中对角线元素对应的值；在采集矩阵数据过程中，创建一个n×n的空矩阵，接收到一个RSSI值即填入对应元素位置，当所有元素被填满时输出该矩阵作为一个样本数据，同时将矩阵清空，继续采集下一个矩阵信号；步骤S2、根据室内环境中的人数数量M将不同人员数量下的信号矩阵分成M类并标记对应标签作为样本；然后，随机选取其中一部分的样本作为训练集，另一部分的样本作为测试集，利用DNN模型进行数据训练，进行特征提取，建立样本特征对应人数的关系，从而根据给定的信号矩阵特征，输出最终的人员数量，实现人员的检测，并固化网络模型；最后，用测试集进行测试，验证方法效果。