随着802.11n协议的普及,利用普适和细粒度的WiFi信号实现人物身份识别逐渐成为可能。不同于需要借助额外设备(如相机、超声波等)的传统方法,基于WiFi信号的身份识别方案可以仅用商用WiFi设备实现高精度的无源身份识别,且无需光线条件同时能保护隐私。近年来,许多学者都提出了基于WiFi信号的身份识别方案。然而目前的方案都面临这些问题:(1)信号难以自动分割,使方案落地困难;(2)非法人物识别率低,安全性无法保障;(3)识别时延长,用户体验差;(4)不适应环境变化,使用场景受限。为了解决上述所有问题并开发出高精度的WiFi无源身份识别系统,本文设计了WiAU系统。它不仅能够利用深度学习技术来自动识别人类动作和身份,而且还可以对抗环境变化。WiAU由三个关键部分组成:预处理模块、人类识别模块、迁移学习模块。预处理模块中,为了自动划分人类活动和提取人类特征,本文设计了动作自动分割算法。人类识别算法中,为了验证非法用户、识别合法用户和识别人类活动,本文基于残差网络和卷积神经网络设计了具有两个专用损失函数的深度学习模型。特别地,基于残差网络的模型特点和捷径连接设计,WiAU还实现了较低的识别时延。而在迁移学习模块中,为了对抗环境变化,本文设计了基于迁移学习的算法和人类身高估计算法。最后,本文进行了相关实验。与最先进的无源身份识别系统相比,WiAU在人类身份验证和人类活动识别方面的准确性分别达到98%和92%,并具有良好的迁移学习能力。