近年来,随着经济文化的繁荣发展,旅游景点和地铁站等公共场合都出现聚众的情况,人数管理也因此变得越来越重要。人流量监测是用于统计特定区域的人数,它是人流量控制和救援营救等措施的基础。本文提出了一种基于商用Wi Fi的人流量监测方案,该方案相对于传统的人流量监测方案,有着易部署、低成本和适用性强等特点,同时无需被监测人员佩戴任何智能设备,真正做到无源监测,实现智能感知人流量的目标。在大数据和人工智能的浪潮下,无线感知成为国内外专家研究的热点。无线感知技术是一种新兴技术,它通过分析肢体对周围无线信号的影响来推断目标人员的状态和动作。本文基于此项技术提出了一个实用的人流量监测方案,称为Wi-HFM,一个基于商用Wi Fi和深度学习网络的人流量监测系统。具体地,在数据采集阶段,利用商用Wi Fi搭建具有一个发送天线和三个接收天线的AP模式收数平台,组织人员进行人流量模拟实验,采集多组数据。在数据处理与分析阶段,充分利用信道状态信息测量值中的细粒度信息,分别对振幅信息和相位信息进行预处理,包括天线对和数据包的选择、数据清洗等。为了更好的表征人数对无线信号的影响,获取最优的特征信号,利用PCA对提取时域和小波域特征的数据降维后,通过特征分析信号在时域和时频域的效果,最终确定时域上的相位差作为识别特征信号。在构建人流量监测模型阶段,利用深度学习可以学习数据潜在特征的特点,选用能挖掘潜在特征的卷积神经网络和提取信号时域特征的循环神经网络构建CLDNN模型监测人流量。本文通过搭建室内和室外模拟环境,采集了大量的实验数据样本。为了评估人流量监测系统的效果,研究了模型和实验场景中各个参数对人流量监测的影响,并选取最优的参数进行人流量监测。实验结果表明本文的方法是一个既实用,又能保护个人隐私的人流量监测方法,为人数统计领域的发展提供了一定的研究参考。