CN108122310A - 一种基于WiFi信道状态信息和动态时间规整的人流量统计方法 - Google Patents
一种基于WiFi信道状态信息和动态时间规整的人流量统计方法 Download PDFInfo
- Publication number
- CN108122310A CN108122310A CN201711154618.3A CN201711154618A CN108122310A CN 108122310 A CN108122310 A CN 108122310A CN 201711154618 A CN201711154618 A CN 201711154618A CN 108122310 A CN108122310 A CN 108122310A
- Authority
- CN
- China
- Prior art keywords
- csi
- people
- entrance
- dtw
- flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
- H04L1/0026—Transmission of channel quality indication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出一种基于WiFi信道状态信息(CSI)和动态时间规整(DTW)的用于通道和出入口的人流量统计方法。不需要搭建专门的硬件设施,充分利用现有WiFi无线网络,本发明能够对经过通道或者出入口的人流量进行精确统计,成本低,普适性强,有光无光情况下均能有效工作。在获得CSI数据序列后,本发明首先采用滑动平均算法去除CSI数据中的噪声,然后将平滑去噪后的CSI数据归一化到‑1和1之间。由于人群通过通道或者出入口需要一定时间,并且相同流量人群每次通过通道或者出入口的时间和速率都可能不同,因此本发明采用DTW算法进行CSI数据序列模板的训练和匹配,以确定不同CSI数据序列之间准确的对应关系,使得模板匹配和相似度计算更加准确,从而使人流量统计更加准确。
Description
技术领域
本发明涉及人流量统计领域,尤其涉及一种基于WiFi信道状态信息并使用动态时间规整算法在通道或者出入口处进行人流量统计的方法。
背景技术
统计穿过通道或出入口的人流量是一种很重要的功能,例如:公共场所根据各出入口的人流量可以了解出入口设置的合理程度并合理配置员工;准确统计通道处人流量并根据人流密度采取相应措施,能够有效预防拥挤踩踏等灾难发生,提高公共安全性。传统的人流量统计方法主要采用视频监控方法或者无线射频方法。视频监控方法目前已经获得广泛应用,但在弱光环境下或非视距情况下,摄像头无法良好工作,导致监控质量下降或者监控盲区。基于无线射频的监控近年来也获得较多关注,如采用无线传感器网络、红外线、超宽带等,但这些方法都需要安装部署专有设备,成本高,普适性差。
基于WiFi的无线网络已获得广泛部署,其在提供无线数据传输服务的同时,可以用来进行人流量的监控和统计。该方法不需要增加额外硬件设施,也不需要人员携带电子设备,仅利用现有的WiFi无线网络就能完成通道处和出入口处的人流量统计,成本低,普适性强,因此是极具市场前景和发展潜力的解决方案。当人体经过WiFi覆盖的通道或者出入口时,会对周围的WiFi信号产生反射、散射、衍射、衰减等效果,人数不同产生的效果也不同。通过监测人流经过时间内的WiFi信号序列就能够确定是否有人通过通道或出入口,并能根据信号序列的模式估算出通过人数,从而计算出人流量。目前使用最广泛的用于测量WiFi信号变化的能量特性是接收信号强度指示(Received Signal Strength Indicator,RSSI),但是由于室内环境的复杂性,WiFi信号存在多径效应,且每条路径具有不同延迟、衰减和相位移动,导致RSSI是多条路径信号的叠加,从而导致RSSI不稳定,用于人流量统计时误差较大。
发明内容
本发明的目的是针对上述存在的问题,提出一种基于WiFi信道状态信息(ChannelState Information,CSI)并使用动态时间规整算法(Dynamic Time Warping,DTW)进行通道处或者出入口处的人流量统计方法。
本发明为解决上述技术问题所采用的技术方案是,一种基于WiFi信道状态信息和动态时间规整的人流量统计方法,包括以下步骤:
1)基于CSI的DTW模板训练步骤:
1-1)采集通道处或出入口处不同人流量经过时的多条CSI原始数据序列,所述原始数据包括发送天线个数、接收天线个数、发送频率、信道状态信息CSI矩阵,并记录经过通道或者出入口的人数;
1-2)移除原始数据中CSI矩阵的第一维度,将产生的二维矩阵从线性(电平)空间转换到对数(功率)空间,将矩阵中每一个复数转换成幅值;
1-3)采用滑动平均算法(Central Moving Average,CMA)对CSI数据进行平滑以去除噪声;
1-4)将平滑去噪后的CSI数据归一化到同一量度,即-1和1之间;
1-5)对于每一种人流量,采用DTW算法计算获得其多个CSI数据序列的匹配路径,然后计算获得这些匹配路径的平均路径,作为该人流量的CSI数据序列模板,即针对该人流量的用于DTW匹配的模板;
2)实时人流量统计步骤:
2-1)采集通道或者出入口处的CSI原始数据序列;
2-2)按照步骤1-2)、1-3)、1-4)对数据进行处理、平滑和归一化;
2-3)将当前CSI数据序列与已建立的人流量模板进行DTW匹配,匹配距离最小的模板被认为是相似度最高的模板,其所对应的人流量即被认为是当前经过通道或出入口的人流量。
由于室内丰富的多径效应,使得基于WiFi RSSI的人流量统计不能提供足够的精确性。信道状态信息CSI是一种更加精细的物理层信息,描述信道中各子载波的幅值和相位,能够充分利用多径效应,对环境变化更加灵敏。因此,本发明的基于CSI的方法能够更加精确地进行人流量统计。在获得CSI数据序列后,本发明首先采用滑动平均算法去除CSI数据中的噪声,然后将平滑去噪后的CSI数据归一化到-1和1之间。由于人群通过通道或者出入口需要一定时间,并且相同流量人群每次通过通道或者出入口的时间和速率都可能不同,因此本发明采用DTW算法进行CSI数据序列模板的训练和匹配,以确定不同CSI数据序列之间准确的对应关系,使得模板匹配和相似度计算更加准确,从而使人流量统计更加准确。
本发明的有益效果是:能够基于现有WiFi无线网络针对通道处和出入口处进行精确的人流量统计,成本低,普适性强,有光无光情况下均能有效工作。本发明能够达到平均误差人数0.83的精度,明显优于基于RSSI的人流量统计。
附图说明
图1为基于CSI和DTW的人流量统计方法流程图;
图2为基于CSI和DTW的人流量统计环境部署图;
具体实施方式
一种基于CSI和DTW的人流量统计方法,流程如图1所示,具体实施步骤如下:
1)环境部署:基于CSI的人流量统计要求通道处或出入口处覆盖WiFi信号。设备为一台接入点(Access Point,AP)和一台监测点(Monitoring Point,MP),均配置Intel WirelessLink 5300 agn(IWL5300)无线网卡,该网卡具有3根天线。AP和MP分别置于通道两侧,AP端发送数据,MP端接收数据,布局方式如图2所示。
2)CSI原始数据序列采集:模板训练阶段,将人流量分别设为W人,W=0,1,2,3,4,5…,并让他们按照图2所示的队列分别通过覆盖WiFi的通道或者出入口。MP以20Hz的采样率采集来自AP的CSI原始数据,每个数据序列采集时间为7秒,这样每个数据序列包含140个CSI原始数据。针对每种人流量,分别采集M个CSI原始数据序列进行模板训练。CSI原始数据中包括:发送天线个数Ntx,接收天线个数Nrx,数据包发送频率f,原始CSI矩阵H,以及当前人流量W。原始CSI矩阵H是一个Ntx×Nrx×Ns的三维矩阵,第三维是信道中的Ns条子载波信息:h=|h|ejθ,其中|h|是子载波幅值,θ是子载波相位。
3)CSI数据生成:针对采集的CSI原始数据,首先移除原始CSI矩阵H的第一个维度,获得Ntx个Nrx×Ns的二维矩阵,将二维矩阵从线性(电平)空间转换成对数(功率)空间,并将矩阵中每一个复数转换成幅值。
4)CSI数据平滑:假设CSI数据序列为R=(r1,r2,…,rn),ri为该序列中第i个CSI数据,n为数据序列长度,N为滑动窗口大小,则平滑后的第i个CSI数据为:
N=2M+1
5)CSI数据归一化:为了消除人的体重、体型以及走路方式对数据带来的影响,将CSI数据的幅值区间归一化到[-1,1],则归一化后的第i个CSI数据为:
6)DTW模板训练:假设R=(r1,r2,…,rn)和T=(t1,t2,…,tm)是两个经过平滑和归一化后的CSI数据序列,D[i][j]为R的前i个元素和T的前j个元素之间的最小欧几里得距离,d[i][j]为ri与tj之间的欧几里得距离,那么:
当i=j=0时
D[i][j]=0
当i=0或者j=0时
D[i][j]=∞
当1≤i≤n且1≤j≤m时
这样,D[n][m]就是R和T之间的最小距离,表示这两个CSI数据序列之间的相似度。
a)设定人流量为k时,对应的已获得的M个CSI数据序列为Sk=(T1,T2,…,TM),选取其中一个CSI数据序列Tx为临时模板;
b)选取Sk中其它各CSI数据序列,记为Tj(j≠x),分别与Tx进行DTW匹配,获取Tx与Tj
之间的匹配路径;
c)根据这些匹配路径,对Sk中的所有CSI数据序列求平均,得到的平均CSI数据序列作为人流量为k时的DTW模板;
d)重复过程a)、b)、c),直到获得所有人流量的DTW模板。
7)人流量统计:在实际场景中进行人流量统计时,根据实时采集的CSI数据序列,与每种人流量的DTW模板进行匹配,确定人流量,包括如下步骤:
a)按照步骤2)的方式采集CSI原始数据序列;
b)按照步骤3)的方式生成CSI数据序列;
c)按照步骤4)的方式对CSI数据进行平滑;
d)按照步骤5)的方式对CSI数据进行归一化;
e)将平滑和归一化后的CSI数据序列与每种人流量的DTW模板进行匹配,找到匹配距离最短的DTW模板,也就是相似度最高的DTW模板,该模板对应的人流量即认为是当前人流量。
实施例的识别精度如下表:
Claims (1)
1.一种基于WiFi信道状态信息(CSI)和动态时间规整(DTW)的人流量统计方法,包括以下步骤:
1)基于CSI的DTW模板训练步骤:
1-1)采集通道处或出入口处不同人流量经过时的多条CSI原始数据序列,所述原始数据包括发送天线个数、接收天线个数、发送频率、信道状态信息CSI矩阵,并记录经过通道或者出入口的人数;
1-2)移除原始数据中CSI矩阵的第一维度,将产生的二维矩阵从线性(电平)空间转换到对数(功率)空间,将矩阵中每一个复数转换成幅值;
1-3)采用滑动平均算法(Central Moving Average,CMA)对CSI数据进行平滑以去除噪声;
1-4)将平滑去噪后的CSI数据归一化到同一量度,即-1和1之间;
1-5)对于每一种人流量,采用DTW算法计算获得其多个CSI数据序列的匹配路径,然后计算获得这些匹配路径的平均路径,作为该人流量的CSI数据序列模板,即针对该人流量的用于DTW匹配的模板;
2)实时人流量统计步骤:
2-1)采集通道或者出入口处的CSI原始数据序列;
2-2)按照步骤1-2)、1-3)、1-4)对数据进行处理、平滑和归一化;
2-3)将当前CSI数据序列与已建立的人流量模板进行DTW匹配,匹配距离最小的模板被认为是相似度最高的模板,其所对应的人流量即被认为是当前经过通道或出入口的人流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711154618.3A CN108122310A (zh) | 2017-11-20 | 2017-11-20 | 一种基于WiFi信道状态信息和动态时间规整的人流量统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711154618.3A CN108122310A (zh) | 2017-11-20 | 2017-11-20 | 一种基于WiFi信道状态信息和动态时间规整的人流量统计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108122310A true CN108122310A (zh) | 2018-06-05 |
Family
ID=62227800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711154618.3A Pending CN108122310A (zh) | 2017-11-20 | 2017-11-20 | 一种基于WiFi信道状态信息和动态时间规整的人流量统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108122310A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255874A (zh) * | 2018-09-19 | 2019-01-22 | 电子科技大学 | 一种基于普通商用WiFi设备的通行及人数检测方法 |
CN110020677A (zh) * | 2019-03-19 | 2019-07-16 | 电子科技大学 | 一种基于WiFi多普勒频移的连续通行人数检测方法 |
CN110796494A (zh) * | 2019-10-30 | 2020-02-14 | 北京爱笔科技有限公司 | 一种客群识别方法及装置 |
CN111030766A (zh) * | 2019-12-13 | 2020-04-17 | 福州大学 | 一种基于wifi信号的人流量检测方法及系统 |
CN114630238A (zh) * | 2022-03-15 | 2022-06-14 | 广州康盛网络科技有限公司 | 舞台音箱音量控制方法、装置、电子设备及介质 |
CN116996993A (zh) * | 2023-08-02 | 2023-11-03 | 泰州雷德波达定位导航科技有限公司 | 一种基于无线信号信道状态信息的动态定位方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239951A (zh) * | 2014-09-10 | 2014-12-24 | 西安交通大学 | 一种利用信道状态信息的非绑定人数计数方法 |
CN104766427A (zh) * | 2015-04-27 | 2015-07-08 | 太原理工大学 | 一种基于Wi-Fi的房屋非法入侵检测方法 |
CN106066995A (zh) * | 2016-05-25 | 2016-11-02 | 西安交通大学 | 一种无线非绑定人体行为检测算法 |
CN106131958A (zh) * | 2016-08-09 | 2016-11-16 | 电子科技大学 | 一种基于信道状态信息和支持向量机的室内被动定位方法 |
KR101741108B1 (ko) * | 2016-12-15 | 2017-05-30 | 한국과학기술정보연구원 | 시스템 결함 분석 장치, 방법 및 시스템 결함을 분석하기 위한 프로그램을 저장하는 저장매체 |
CN107154088A (zh) * | 2017-03-29 | 2017-09-12 | 西安电子科技大学 | 基于信道状态信息的活动人员数量估计方法 |
-
2017
- 2017-11-20 CN CN201711154618.3A patent/CN108122310A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239951A (zh) * | 2014-09-10 | 2014-12-24 | 西安交通大学 | 一种利用信道状态信息的非绑定人数计数方法 |
CN104766427A (zh) * | 2015-04-27 | 2015-07-08 | 太原理工大学 | 一种基于Wi-Fi的房屋非法入侵检测方法 |
CN106066995A (zh) * | 2016-05-25 | 2016-11-02 | 西安交通大学 | 一种无线非绑定人体行为检测算法 |
CN106131958A (zh) * | 2016-08-09 | 2016-11-16 | 电子科技大学 | 一种基于信道状态信息和支持向量机的室内被动定位方法 |
KR101741108B1 (ko) * | 2016-12-15 | 2017-05-30 | 한국과학기술정보연구원 | 시스템 결함 분석 장치, 방법 및 시스템 결함을 분석하기 위한 프로그램을 저장하는 저장매체 |
CN107154088A (zh) * | 2017-03-29 | 2017-09-12 | 西安电子科技大学 | 基于信道状态信息的活动人员数量估计方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255874A (zh) * | 2018-09-19 | 2019-01-22 | 电子科技大学 | 一种基于普通商用WiFi设备的通行及人数检测方法 |
CN110020677A (zh) * | 2019-03-19 | 2019-07-16 | 电子科技大学 | 一种基于WiFi多普勒频移的连续通行人数检测方法 |
CN110020677B (zh) * | 2019-03-19 | 2021-02-02 | 电子科技大学 | 一种基于WiFi多普勒频移的连续通行人数检测方法 |
CN110796494A (zh) * | 2019-10-30 | 2020-02-14 | 北京爱笔科技有限公司 | 一种客群识别方法及装置 |
CN111030766A (zh) * | 2019-12-13 | 2020-04-17 | 福州大学 | 一种基于wifi信号的人流量检测方法及系统 |
CN111030766B (zh) * | 2019-12-13 | 2022-05-06 | 福州大学 | 一种基于wifi信号的人流量检测方法及系统 |
CN114630238A (zh) * | 2022-03-15 | 2022-06-14 | 广州康盛网络科技有限公司 | 舞台音箱音量控制方法、装置、电子设备及介质 |
CN114630238B (zh) * | 2022-03-15 | 2024-05-17 | 广州宏牌音响有限公司 | 舞台音箱音量控制方法、装置、电子设备及介质 |
CN116996993A (zh) * | 2023-08-02 | 2023-11-03 | 泰州雷德波达定位导航科技有限公司 | 一种基于无线信号信道状态信息的动态定位方法和系统 |
CN116996993B (zh) * | 2023-08-02 | 2024-10-01 | 泰州雷德波达定位导航科技有限公司 | 一种基于无线信号信道状态信息的动态定位方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122310A (zh) | 一种基于WiFi信道状态信息和动态时间规整的人流量统计方法 | |
Di Domenico et al. | A trained-once crowd counting method using differential wifi channel state information | |
CN106332277B (zh) | 一种基于信道状态信息分布的室内定位方法 | |
CN107992882A (zh) | 一种基于WiFi信道状态信息和支持向量机的室内人数统计方法 | |
Gu et al. | Mmsense: Multi-person detection and identification via mmwave sensing | |
CN107480699A (zh) | 一种基于信道状态信息和支持向量机的入侵检测方法 | |
Abdel-Nasser et al. | MonoPHY: Mono-stream-based device-free WLAN localization via physical layer information | |
WO2018133264A1 (zh) | 一种人体室内定位自动检测方法及系统 | |
CN106793087B (zh) | 一种基于aoa和pdoa的阵列天线室内定位方法 | |
CN108650628A (zh) | 基于Wi-Fi网络的测距和指纹相结合的室内定位方法 | |
CN109672485A (zh) | 基于信道状态信息室内人员实时入侵及运动速度检测方法 | |
CN104883732B (zh) | 一种增强型室内无源被动人体定位方法 | |
Liu et al. | A research on CSI-based human motion detection in complex scenarios | |
CN106059640B (zh) | 一种基于QoS的VLC保密通信系统发射端设计方法 | |
Shi et al. | Human activity recognition using deep learning networks with enhanced channel state information | |
CN110045322B (zh) | 一种基于高分辨测向语图智能识别的短波自动测向方法 | |
CN107861098B (zh) | 一种智能球场定位系统及方法 | |
Wang et al. | Los/nlos channel identification technology based on cnn | |
CN108347764A (zh) | 基于深度学习的考场无线电作弊信号定位方法及系统 | |
CN105163106A (zh) | 一种多重数据处理的视频质量评价系统 | |
CN107451605A (zh) | 一种基于信道状态信息和支持向量机的简单目标识别方法 | |
CN109255874B (zh) | 一种基于普通商用WiFi设备的通行及人数检测方法 | |
Naseri et al. | Machine learning-based angle of arrival estimation for ultra-wide band radios | |
Guo et al. | TWCC: A robust through-the-wall crowd counting system using ambient WiFi signals | |
Muaaz et al. | WiHAR: From Wi-Fi channel state information to unobtrusive human activity recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180605 |
|
WD01 | Invention patent application deemed withdrawn after publication |