人流量统计技术在社会生活领域有广泛的应用,应用于公交车的客流量统计实现公交智能调度,应用于图书馆、博物馆提升管理效率和服务水平,应用于无人零售店助力设计商业方案。基于机器视觉的方法、基于移动通信网信令处理平台的方法及基于WiFi的人流量监测方法都会涉及到隐私数据,使个人信息存在被盗用或滥用的潜在风险;基于传感器的方法、基于通道闸机的方法应用场合受限制且鲁棒性较低。因此,目前的人流量统计方法存在隐私风险、鲁棒性较低等问题。为了解决上述问题,本文利用射频传感网络的智能感知特点实现人流量的统计方法的研究。本文提出了基于射频传感网络的人流量统计方法,本方法利用接受信号强度(Received Signal Strength,RSS)的衰落效应监测人流量。当信号在传输过程中遇到人体时会引起RSS值的变化,不同数量的人数导致RSS值的变化也是不同的,依此设计实验获取RSS值作为原始数据,使用混合高斯的隐马尔科夫模型(Gaussian Mixture Model-Hidden Markov Model,GMM-HMM)的机器学习算法进行数据处理。在获取模型参数的过程中,采用模型评估的留出法将数据按照2:1的方式分为训练集和测试集,使用训练集训练模型得出模型参数。因为模型中高斯概率密度个数对结果的影响,通过数据测试当其个数为2时,实验的结果较为理想。最后,通过测试我们发现该模型对人流量的分类识别的有效性,进而可达到人流量统计的目的。实验结果表明基于射频传感网络的人流量统计方法的具有可行性。该方法不需要采集个人信息,避免了隐私问题,且不受光线、温湿度、烟雾等环境条件的影响,具有高鲁棒性;设备结构简易,安装方便,便于维护,可扩展性高。利用RSS值的衰落效应监测人流量的方法新颖,对智能感知技术的发展具有十分重要的意义。