基于Wi-Fi的被动式人员运动检测与追踪技术通过感知监测环境中人体对WiFi信号的影响检测和追踪运动人员,该技术的实现无需目标携带任何信号收发设备,也无需在监测环境中安装额外的硬件设备,在智能家居、灾后救援、企业安防等领域都有广泛的应用。传统的基于视频识别的检测与追踪技术受信号传播方式和光线强弱影响,同时涉及用户隐私问题,基于雷达、传感器的检测与追踪技术需要专用的设备支持,以上的缺陷阻碍了该技术的推广。基于Wi-Fi的被动式人员运动与检测技术利用室内已部署的无线网络,具有易获取、成本低、易实现等特点,在许多场景下都有很好的应用。但现有的检测与追踪方法有以下缺陷:一、对数据进行预处理时,未检测无效链路,由于信号的时变特性,监测环境中存在无规律异常波动的无线链路,这些无线链路不能感知环境状态,对于人员运动检测与追踪系统来说是无效的;二、特征缺乏区分度,主要使用时域统计特征,忽略了信号的整体分布,同时未利用频域变换特征;三、对追踪过程中存在的漂移问题,忽略了人员运动模式与实际监测环境结构的关系,追踪校正结果不理想。以上的问题最终会使得该技术缺乏环境适应性及检测与追踪准确率。为解决以上问题,本文将开展基于Wi-Fi的被动式人员运动检测与追踪算法的研究,主要涉及三个研究内容:第一,开展无效链路检测算法的研究。首先,当监测环境处于无人运动状态时,利用核密度估计方法获取每条无线链路的信号服从的概率密度函数。其次,为了评估不同链路间的信号分布差异,引入JS散度。最后,基于格拉布斯准则筛选出无效链路。第二,开展时域分布特征提取算法的研究。针对特征区分度低的问题,通过滑动窗函数提取时域分布特征和频域变换特征来共同刻画监测环境的不同状态。在提取时域分布特征时提出相干直方图特征,该特征包含了接收信号强度(Received Signal Strength,RSS)的整体分布与波形结构信息,能准确地刻画不同环境中RSS的特性。第三,开展人员运动检测与追踪算法的研究。首先,基于softmax多分类技术,构建人员运动检测与追踪模型。其次,在轨迹校正时,利用人员运动模式与艾伦时间逻辑关系确定区域间的转移关系,进而求取区域转移权重解决漂移问题。最后,为验证算法的有效性,在日常居住环境、普通办公场所和室内走廊中采集实测数据进行实验,实验结果表明所提算法兼顾了适应性和准确率。