无处不在的WiFi设备以及学术界对于无线感知的广泛研究使我们能够以Device-Free的方式感知周围环境的变化,对智能家居、物联网具有深远意义。然而由于多人环境的复杂性、人体运动的不可知性,目前大部分使用WiFi的智能感知工作集中于单人环境,这无疑极大的阻碍了无线感知的实际应用。实现人数的确定则是多人环境下智能感知的基础,具有深远的意义。因此本文设计了一种利用信道状态信息(Channel State Information,CSI)的多人环境人数识别系统:DeepCount,其中包括两个部分:1.基于深度学习的人数识别模型。本阶段DeepCount利用神经网络强大的学习能力,拟合CSI振幅、相位信息和人数的直接映射关系,借助深度学习方法建立人数识别模型。其中包括分析CSI数据基本特征、利用巴特沃斯和权重滤波器去除CSI振幅噪声、研究CSI相位纠正算法、使用全连接神经网络建立深度学习人数识别模型等内容。最终深度学习人数识别模型能够实现82.3%的识别准确率。2.具有纠错功能的基于人进出的人数识别模型。本阶段探索如何进一步提高人数识别的准确率,DeepCount提出一种具有纠错功能的,利用CSI动作识别模型以纠正人数识别模型的方案。通过动作模型判断当前环境下人的进出行为以纠正人数模型的识别结果,其中构建动作模型包括离散小波变换(DiscreteWavelet Transform,DWT)提取特征、隐马尔科夫(Hidden Markov Model,HMM)构建模型,通过重新训练网络最后一层权值的方式纠正人数识别模型预测结果。实验表明,DeepCount可以进一步提高人数识别准确率,最终达到87%的准确率。