人数统计在军事作战、应急搜救、公共安全等方面正发挥着重要作用。可穿戴式系统因需一直佩戴,应用场景非常受限。可见光机器视觉受遮挡、光线强弱变化、隐私保护等问题影响较大。因此,利用白天黑夜都能穿透墙壁,且不会造成隐私泄露的无线电波进行活体人数探测十分必要。Wi Fi不仅可以用来传输数据,而且接收到的Wi Fi信号会携带反映活体状态的特征信息。当前,基于Wi Fi的人数统计技术主要存在分辨率低、信号噪声大、回波反射多且不集中、环境依赖性强等瓶颈问题,使得人们很难直接通过无线信号去理解正在发生的事情。因此,亟需突破无线信号感知的关键技术,研究无线信号对于人数的表达机理和特征提取方法,构建活体人数探测模型,形成新一代非接触式主动人数感知能力,实现更好的场景理解和更智能的空间环境。针对人数统计实际问题,本文将其抽象为无线信号的图像表达与建模问题,融合信号分析理论与数据驱动方法开展感知新技术研究,具体工作如下所示:第一,搭建WiFi-CSI信号采集系统实现自动采集,进一步分析Wi Fi信号的时空分布特性,提出有效CSI信号自适应提取方法。第二,建立有效CSI信号与无线电图像之间的量化映射模型。提出利用二维直观图像序列对一维时序CSI信号的表达方法,实现“不可见”的无线信号“可见”。第三,构建多模型融合的人数统计模型。本文从图像分析的角度构建模型,研究基于CSI无线电图像的人数统计模型,同时从时间和空间两个方向建立基于CSI信号分析的人数统计方案,研究基于SE-RF-Res Net融合模型的人数统计方法,该方法在零至五人的环境中取得97%的准确率。第四,开发基于WiFi-CSI信号的人数统计系统。本文对人数统计系统的总体架构进行设计,将整个人数统计系统分为Wi Fi-CSI信号采集系统和实时人数统计系统两个部分,并详细阐述了两者的架构设计和开发过程。