CN109671238A - 一种基于无线信道状态信息的室内入侵检测方法 - Google Patents

一种基于无线信道状态信息的室内入侵检测方法 Download PDF

Info

Publication number
CN109671238A
CN109671238A CN201811493033.9A CN201811493033A CN109671238A CN 109671238 A CN109671238 A CN 109671238A CN 201811493033 A CN201811493033 A CN 201811493033A CN 109671238 A CN109671238 A CN 109671238A
Authority
CN
China
Prior art keywords
data
detection
invader
standard deviation
time
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.)
Granted
Application number
CN201811493033.9A
Other languages
English (en)
Other versions
CN109671238B (zh
Inventor
董玮
高艺
李炳基
林宇翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201811493033.9A priority Critical patent/CN109671238B/zh
Publication of CN109671238A publication Critical patent/CN109671238A/zh
Application granted granted Critical
Publication of CN109671238B publication Critical patent/CN109671238B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation
    • G08B13/24—Electrical actuation by interference with electromagnetic field distribution
    • G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
    • G08B13/2494—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field by interference with electro-magnetic field distribution combined with other electrical sensor means, e.g. microwave detectors combined with other sensor means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

一种基于无线信道状态信息的室内入侵检测方法，包括两部分：第一部分，静默环境下检测阈值获取，即利用数据采集节点获取室内无人状态下的无线信道状态信息，对采集到的信道状态信息进行噪声过滤和离异点去除，提取其幅值和相位，计算标准差作为检测阈值；第二部分，实时入侵检测，即利用数据采集节点获取无线信道状态信息，利用短时平均标准差(SVR)和长时平均标准差(LVR)进行实时入侵检测，先用SVR来检测有无入侵者进入监控区域，一旦检测到入侵者便开始利用LVR实时监控入侵者是否一直在室内；同时利用K近邻算法和动态时间规整方法对入侵行为进行分类，实现对入侵行为的精确判断。本发明克服了计算机视觉方法对可见光的需求和用户隐私影响大等限制，同时具备检测范围大和设备开销低等特点。

Description

一种基于无线信道状态信息的室内入侵检测方法
技术领域
本发明涉及一种基于无线信道状态信息的室内入侵检测方法，属于入侵检测领域。
背景技术
随着社会的快速发展，传统的人工监控系统已经越来越难以适应当今社会的要求，智能监控系统将成为下一代监控系统的主流。监控系统最基础的任务是检测一片区域中是否有人进入，这也一直是安全领域的一个研究热点。一种普遍采用的方法是基于图像的检测方法。这种方法通过在一片区域内部署单个或多个摄像设备，然后用图像处理方法对得到的图像进行特征提取，最后确定是否有人体活动。这种方法虽被广泛采用，但是有如下缺点：1.存在检测死角，同时大量部署摄像头开销较大。2.存在侵犯用户隐私信息的问题。第二种应用较广泛的入侵检测方法利用红外线来达到智能检测的目的。通过部署红外线传感器，能够组建一片由红外线链路组成的区域，通过检测接受端收到的红外信号强度，能够精确地探测出是否有物体经过。这种方法的缺点是检测的区域较为单一，通常只能部署在门和窗上，一旦入侵者通过某些方法避开这些区域，则由于红外线探测距离的限制，将不能检测出入侵者。
发明内容
本发明要克服现有技术的上述缺点，提供一种基于无线信道状态信息的室内入侵检测方法，可以达到保护用户隐私性、有较大的检测范围以及较为低廉的部署代价。
相对于红外线，我们平时使用的无线信号如WiFi有更大的波长(2.4GHz频段波长为0.125m,5GHz频段波长为0.06m)，所以在室内环境中有更加显著的多径效应以及穿墙效果。也就是说，如果我们把收发端换成无线信号，那么入侵检测系统将会有更加大的检测范围以及只需要平时已经在使用的WiFi信号。同时随着无线局域网广泛覆盖，无线热点已经分布于生活中多种室内场合。如果能够使用用已经安装的无线设备进行室内入侵检测，那么将大幅度缩减部署的开销。无线信道状态信息(Channel State Information,CSI)在无线通信中，用来衡量无线链路的信道信息。其中的信息包括一个信号是怎么从发送端传输到接收端的，具体来说刻画了信号是怎么受到散射、衰落和随距离的能量衰减效应影响，对应到物理场景中还包括了信号在传输过程中如何受到多径效应的影响。当人体移动时，经过人体的那条无线传输路径发生了改变，甚至消失，所以CSI的振幅和相位会随着人体的移动将会发生明显的变化。
为实现上述目的，本发明所采取的技术方案是：
本发明的基于无线信道状态信息的室内入侵检测方法，包括以下步骤：
步骤1：在室内检测区域布置无线信道状态数据采集节点和无线信号发射设备；
步骤2：设置采集节点的采集频率和时长，调试节点端可以正常采集数据并能实时传输至服务器端，服务器端开启入侵检测程序，接受信道状态信息数据；
步骤3：进行静默状态下，即室内无人状态下检测阈值的获取，此时采集节点获取包含信道状态信息的数据包，每个信道状态信息数据的格式为：其中F1～30均为子信道，Tx为发射天线数，Rx为接收天线数，从原始的信道状态信息中获取其指定天线对的幅值和相位并进行预处理，分为以下五小步：
步骤3-1：利用五点中值滤波去除明显的离异点；
步骤3-2：利用汉培尔滤波消除环境白噪声的干扰；
步骤3-3：利用通带频率为30-70Hz巴特沃斯低通滤波消除高频噪声干扰；
步骤3-4：利用滑动平均滤波器进行滤波平滑处理；
步骤3-5：利用主成分分析(PCA)对30个子信道进行降维处理，计算获得一维数据；
步骤4：对预处理后的数据先计算能量windowlength是计算能量的时间窗口大小，magnitude是在窗口内计算由PCA获得的一维数据的幅值，然后计算其标准差std(E)作为检测阈值Threshold；至此即可完成了对室内无人状态下无线信道状态信息特征的提取；
步骤5：对系统进行参数设置，包括滑动检测时间窗口的大小，检测阈值更新的频率；设置完成后即可进行实时入侵检测；
步骤6：采集实时无线信道状态信息，获取其指定天线对的幅值和相位，进行数据预处理，处理方法与静默状态下的处理方法相同，即步骤3；
步骤7：利用短时标准差(SVR)判断有无入侵者进入监控区域，首先利用在静默状态下记录三十个子信道幅值的标准差std(magnitude)，选择其中标准差较小的一组子信道，标准差小表明这些信道在无人时较为稳定，不易受外界噪音干扰；之后每隔三个大滑动时间窗口计算这些子信道的无线信道状态信息幅值标准差，选择出标准差最大的作为新的检测子信道。当std(magnitude)＞Threshold时，表明有入侵者进入室内；标准差越大表明其对当前环境较为敏感，有较好的检测效果；
步骤8：一旦检测到入侵者便开始利用长时标准差(LVR)实时监控入侵者是否一直在室内，采用计数器增减统计警报子窗口个数在大窗口中设置计数器，当有警报子窗口时，计数器count加一，没有时则减一；当计数器数值变化率较大时，对于包含60个数据的时间窗口其入侵情况变化率阈值为0.5，可能入侵情况变化率阈值为0.3，便为有人入侵的情况；
步骤9：为了准确的判断出入侵者的动作，利用K最近邻和动态时间规整来进行分类器训练和动作识别，包括以下三小步：
步骤9-1：对时间窗口内的数据进行离散小波变化，获取对人体动作变化敏感的频率部分；
步骤9-2：对上一步中的结果进行切片，保存样本，并对样本进行标签；
步骤9-3：利用K最近邻方法进行分类，计算当前数据和样本库中数据的动态时间规整距离，获得当前入侵者的动作类别，动态时间规整距离如公式(1)所示：
其中Q为是前时间序列数据，C为样本库中的数据，wk＝(i,j)k定义了序列Q和C的映射，用来表示两者在某一时间点的相似程度，K为映射总个数；
步骤10：如果没有检测到入侵者，则将当前标准差更新为检测阈值，进行步骤4～9的重复工作。
进一步地，步骤1所述的硬件节点，是集成现有商用无线网卡的节点原型。
本发明方法包括两部分：第一部分，静默环境下检测阈值获取，即利用数据采集节点获取室内无人状态下的无线信道状态信息，对采集到的信道状态信息进行噪声过滤和离异点去除，提取其幅值和相位，计算标准差作为检测阈值；第二部分，实时入侵检测，即利用数据采集节点获取无线信道状态信息，利用短时平均标准差(SVR)和长时平均标准差(LVR)进行实时入侵检测，先用SVR来检测有无入侵者进入监控区域，一旦检测到入侵者便开始利用LVR实时监控入侵者是否一直在室内；同时利用K近邻算法和动态时间规整方法对入侵行为进行分类，实现对入侵行为的精确判断。本发明克服了计算机视觉方法对可见光的需求和用户隐私影响大等限制，同时具备检测范围大和设备开销低等特点。
本发明的有益效果是：
1.利用了体积小易安装的嵌入式节点设作为数据采集设备，并充分利用广泛使用的商用无线路由器，降低了入侵检测系统的部署安装成本；
2.本发明所采用的WiFi无线信道状态信息在室内环境中有更加显著的多径效应以及穿墙效果的特点，很好的解决了图像信息处理方法中存在的监控死角、受可见光限制和侵犯用户隐私的问题以及红外线传感系统检测范围有限的问题；
3.本发明在数据处理过程中结合了无线信道状态信息的幅值和相位，采用多种信号信号预处理方法，使得入侵检测系统更可靠。
附图说明
图1是本发明方法的检测工作流程图。
图2是本发明方法的总体流程示意图。
具体实施方式
下面我们结合附图对本发明的实际部署进行详细阐述说明，以使本发明的优点和特征能更简单和快速的被本领域技术人员所理解。具体如下：
(1)部署无线信道状态信息采集节点(Tx)和无线路由器(Rx)，采集节点使用Humming board Pro开发板，安装了通过兼容性测试的嵌入式操作系统：Armbian5.20Cubox-I Debian Jessie，并在其上成功部署Intel 5300网卡并且能够采集到信道状态信息数据。无线路由器使用NETGEAR JR7600。研究实际家庭应用场景并给出三套入侵检测系统的硬件选型及配置方案，可以分别针对不同应用场景部署：1)家用路由器+HMP；2)装有openWRT的智能路由器+Arduino Yun嵌入式设备；3)两块装有Intel 5300网卡的HMP；
(2)实验场景为长为8m，宽为5m的会议室，其中有一个会议桌和若干椅子，我们将整个会议室作为检测区域，采集节点和路由器分别位于会议桌两端；
(3)采集数据时，测试者随机在附图1中的入侵检测区域活动，收集包含信道状态信息的数据包，每次实验的采集时长为60秒，采集节点采样频率为100Hz，总共能得到6000个数据。每次采集完毕后得到一个.dat文件；
(4)从.dat中提取出信道状态信息数据，然后对数据进行如下预处理,包含五步：
(4-1)利用五点中值滤波去除明显的离异点；
(4-2)利用汉培尔滤波消除环境白噪声的干扰；
(4-3)利用巴特沃斯低通滤波消除无意义的高频噪声干扰；
(4-4)利用滑动平均滤波器进行滤波平滑处理；
(4-5)利用主成分分析(PCA)对30个子信道进行降维处理，计算获得一维数据；
(5)对预处理后的数据计算其标准差作为检测阈值；之后进行实时入侵检测；
(6)选取滑动时间窗口大小为60，利用SVR和LVR进行持续的检测；
(7)我们针对入侵检测情况下入侵者的可能动作利用动态时间规整构建样本库，由于我们选取窗口大小为60，采集的数据包个数为6000点，所以我们总共可以得到100个训练样本；
(8)样本构建完成之后，进行验证实验，即检测是否有人入侵同时入侵者的行为类别。
在相对复杂的实验场景中检测效果更好(反射路径数量多，反射路径短，能量衰减少)；定向天线能够使特定方向检测效果变好；系统工作在5GHz下检测效果更好(噪声更小，现有WIFI设备干扰小)；多个接收设备可以增大检测范围和实验的鲁棒性，使用多根天线也能达到类似效果，成本更低，但部署相对受限(天线过长会导致信号能量衰弱过大)，而且效果稍逊于多设备场景；在直射路径上放置遮挡物可以提高检测率(遮挡物使其他反射路径的能量得到加强，人体在阻挡住相同的路径时对CSI的影响会加强)；接受设备和发送设备的距离过近导致更多的能量集中在直射路径上，距离过远导致路径的能量衰减过大。不同的设备、不同场景的最佳距离各不相同，需要结合具体实验条件设置；穿墙部署时混凝土墙会大幅减弱CSI信号的强度；其他未提及的实验因素对入侵检测结果无明显影响。该系统检测成功率98％、检测误报率低于2％、检测效果不受行走路线影响。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (2)

1.一种基于无线信道状态信息的室内入侵检测方法，包括以下步骤：
步骤1：在室内检测区域布置无线信道状态数据采集节点和无线信号发射设备；
步骤2：设置采集节点的采集频率和时长，调试节点端可以正常采集数据并能实时传输至服务器端，服务器端开启入侵检测程序，接受信道状态信息数据；
步骤3：进行静默状态下，即室内无人状态下检测阈值的获取，此时采集节点获取包含信道状态信息的数据包，每个信道状态信息数据的格式为：其中F1～30均为子信道，Tx为发射天线数，Rx为接收天线数，从原始的信道状态信息中获取其指定天线对的幅值和相位并进行预处理，分为以下五小步：
步骤3-1：利用五点中值滤波去除明显的离异点；
步骤3-2：利用汉培尔滤波消除环境白噪声的干扰；
步骤3-3：利用通带频率为30-70Hz巴特沃斯低通滤波消除高频噪声干扰；
步骤3-4：利用滑动平均滤波器进行滤波平滑处理；
步骤3-5：利用主成分分析(PCA)对30个子信道进行降维处理，计算获得一维数据；
步骤4：对预处理后的数据先计算能量windowlength是计算能量的时间窗口大小，magnitude是在窗口内计算由PCA获得的一维数据的幅值，然后计算其标准差std(E)作为检测阈值Threshold；至此即可完成了对室内无人状态下无线信道状态信息特征的提取；
步骤5：对系统进行参数设置，包括滑动检测时间窗口的大小，检测阈值更新的频率；设置完成后即可进行实时入侵检测；
步骤6：采集实时无线信道状态信息，获取其指定天线对的幅值和相位，进行数据预处理，处理方法与静默状态下的处理方法相同，即步骤3；
步骤7：利用短时标准差(SVR)判断有无入侵者进入监控区域，首先利用在静默状态下记录三十个子信道幅值的标准差std(magnitude)，选择其中标准差较小的一组子信道，标准差小表明这些信道在无人时较为稳定，不易受外界噪音干扰；之后每隔三个大滑动时间窗口计算这些子信道的无线信道状态信息幅值标准差，选择出标准差最大的作为新的检测子信道；当std(magnitude)＞Threshold时，表明有入侵者进入室内；标准差越大表明其对当前环境较为敏感，有较好的检测效果；
步骤8：一旦检测到入侵者便开始利用长时标准差(LVR)实时监控入侵者是否一直在室内，采用计数器增减统计警报子窗口个数在大窗口中设置计数器，当有警报子窗口时，计数器count加一，没有时则减一；当计数器数值变化率较大时，对于包含60个数据的时间窗口其入侵情况变化率阈值为0.5，可能入侵情况变化率阈值为0.3，便为有人入侵的情况；
步骤9：为了准确的判断出入侵者的动作，利用K最近邻和动态时间规整来进行分类器训练和动作识别，包括以下三小步：
步骤9-1：对时间窗口内的数据进行离散小波变化，获取对人体动作变化敏感的频率部分；
步骤9-2：对上一步中的结果进行切片，保存样本，并对样本进行标签；
步骤9-3：利用K最近邻方法进行分类，计算当前数据和样本库中数据的动态时间规整距离，获得当前入侵者的动作类别，动态时间规整距离如公式(1)所示：
其中Q为是前时间序列数据，C为样本库中的数据，wk＝(i,j)k定义了序列Q和C的映射，用来表示两者在某一时间点的相似程度，K为映射总个数；
步骤10：如果没有检测到入侵者，则将当前标准差更新为检测阈值，进行步骤4～9的重复工作。
2.根据权利要求1所述的一种基于无线信道状态信息的室内入侵检测方法，其特征在于：步骤1所述的硬件节点，是集成现有商用无线网卡的节点原型。
CN201811493033.9A 2018-12-07 2018-12-07 一种基于无线信道状态信息的室内入侵检测方法 Active CN109671238B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811493033.9A CN109671238B (zh) 2018-12-07 2018-12-07 一种基于无线信道状态信息的室内入侵检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811493033.9A CN109671238B (zh) 2018-12-07 2018-12-07 一种基于无线信道状态信息的室内入侵检测方法

Publications (2)

Publication Number Publication Date
CN109671238A true CN109671238A (zh) 2019-04-23
CN109671238B CN109671238B (zh) 2020-08-04

Family

ID=66144633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811493033.9A Active CN109671238B (zh) 2018-12-07 2018-12-07 一种基于无线信道状态信息的室内入侵检测方法

Country Status (1)

Country Link
CN (1) CN109671238B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110012496A (zh) * 2019-04-25 2019-07-12 江苏创通电子股份有限公司 一种基于WiFi的入侵检测方法及装置
CN110276921A (zh) * 2019-07-08 2019-09-24 重庆邮电大学 基于无线信号特征的室内入侵和空间结构变化识别方法
CN110596769A (zh) * 2019-09-29 2019-12-20 长沙理工大学 一种轨道异物检测方法、装置、设备及介质
CN110794462A (zh) * 2019-11-06 2020-02-14 广东博智林机器人有限公司 建筑工地安全监测系统及其监测方法、装置
CN111657897A (zh) * 2020-07-02 2020-09-15 武汉领科新云科技有限公司 一种检测人体体征的人工智能算法
CN111681398A (zh) * 2020-04-24 2020-09-18 湖北科技学院 基于wifi无线感知的高空抛物智能预警方法与装置
CN112364769A (zh) * 2020-11-11 2021-02-12 天津大学 基于商用Wi-Fi的人群计数方法
CN112869734A (zh) * 2021-01-11 2021-06-01 乐鑫信息科技（上海）股份有限公司 一种Wi-Fi人体检测的方法和智能设备
CN113033654A (zh) * 2021-03-23 2021-06-25 云南大学 基于WiFi信道状态信息的室内入侵检测方法及系统
CN113077600A (zh) * 2021-04-07 2021-07-06 浙江科技学院 一种基于菲涅耳区的Wi-Fi室内安防报警系统
CN113783639A (zh) * 2020-06-10 2021-12-10 北京大学 无接触感知边界确定方法、系统、计算机设备及存储介质
CN113852433A (zh) * 2021-08-27 2021-12-28 北京航天晨信科技有限责任公司 一种基于计算机视觉的无线信道阴影衰落模型预测方法
CN113985416A (zh) * 2021-10-22 2022-01-28 电子科技大学 一种通过识别电磁环境变化的无人机入侵检测方法及系统
CN116304915A (zh) * 2023-05-16 2023-06-23 山东科技大学 基于WiFi的无接触动作识别方法、系统及实验室装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023589A (zh) * 2012-12-06 2013-04-03 中山大学 一种室内无源被动式移动检测方法及其检测装置
CN103344941A (zh) * 2013-06-13 2013-10-09 北京空间飞行器总体设计部 基于无线传感器网络的实时目标检测方法
CN104502982A (zh) * 2014-12-11 2015-04-08 哈尔滨工程大学 一种细粒度免校验的室内被动人体检测方法
CN104980211A (zh) * 2015-06-29 2015-10-14 北京航天易联科技发展有限公司 一种信号处理方法和装置
EP3213308A1 (en) * 2014-10-27 2017-09-06 Nemtek Holdings (Pty) Ltd Sensor for an electric fence barrier system
CA3054563A1 (en) * 2017-02-24 2018-08-30 Adt Us Holdings, Inc. Detecting an intruder's wireless device during a break in to a premises
CN108509850A (zh) * 2018-02-24 2018-09-07 华南理工大学 一种基于分布式光纤系统的入侵信号识别算法
CN108810910A (zh) * 2018-05-23 2018-11-13 浙江工业大学 一种基于信道状态信息构建可视图网络的入侵检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023589A (zh) * 2012-12-06 2013-04-03 中山大学 一种室内无源被动式移动检测方法及其检测装置
CN103344941A (zh) * 2013-06-13 2013-10-09 北京空间飞行器总体设计部 基于无线传感器网络的实时目标检测方法
EP3213308A1 (en) * 2014-10-27 2017-09-06 Nemtek Holdings (Pty) Ltd Sensor for an electric fence barrier system
CN104502982A (zh) * 2014-12-11 2015-04-08 哈尔滨工程大学 一种细粒度免校验的室内被动人体检测方法
CN104980211A (zh) * 2015-06-29 2015-10-14 北京航天易联科技发展有限公司 一种信号处理方法和装置
CA3054563A1 (en) * 2017-02-24 2018-08-30 Adt Us Holdings, Inc. Detecting an intruder's wireless device during a break in to a premises
CN108509850A (zh) * 2018-02-24 2018-09-07 华南理工大学 一种基于分布式光纤系统的入侵信号识别算法
CN108810910A (zh) * 2018-05-23 2018-11-13 浙江工业大学 一种基于信道状态信息构建可视图网络的入侵检测方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110012496A (zh) * 2019-04-25 2019-07-12 江苏创通电子股份有限公司 一种基于WiFi的入侵检测方法及装置
CN110276921A (zh) * 2019-07-08 2019-09-24 重庆邮电大学 基于无线信号特征的室内入侵和空间结构变化识别方法
CN110596769A (zh) * 2019-09-29 2019-12-20 长沙理工大学 一种轨道异物检测方法、装置、设备及介质
CN110794462A (zh) * 2019-11-06 2020-02-14 广东博智林机器人有限公司 建筑工地安全监测系统及其监测方法、装置
CN110794462B (zh) * 2019-11-06 2021-08-03 广东博智林机器人有限公司 建筑工地安全监测系统及其监测方法、装置
CN111681398A (zh) * 2020-04-24 2020-09-18 湖北科技学院 基于wifi无线感知的高空抛物智能预警方法与装置
CN113783639B (zh) * 2020-06-10 2022-09-30 北京大学 无接触感知边界确定方法、系统、计算机设备及存储介质
CN113783639A (zh) * 2020-06-10 2021-12-10 北京大学 无接触感知边界确定方法、系统、计算机设备及存储介质
CN111657897A (zh) * 2020-07-02 2020-09-15 武汉领科新云科技有限公司 一种检测人体体征的人工智能算法
CN112364769A (zh) * 2020-11-11 2021-02-12 天津大学 基于商用Wi-Fi的人群计数方法
CN112364769B (zh) * 2020-11-11 2023-07-21 天津大学 基于商用Wi-Fi的人群计数方法
CN112869734A (zh) * 2021-01-11 2021-06-01 乐鑫信息科技（上海）股份有限公司 一种Wi-Fi人体检测的方法和智能设备
CN113033654A (zh) * 2021-03-23 2021-06-25 云南大学 基于WiFi信道状态信息的室内入侵检测方法及系统
CN113077600A (zh) * 2021-04-07 2021-07-06 浙江科技学院 一种基于菲涅耳区的Wi-Fi室内安防报警系统
CN113852433A (zh) * 2021-08-27 2021-12-28 北京航天晨信科技有限责任公司 一种基于计算机视觉的无线信道阴影衰落模型预测方法
CN113852433B (zh) * 2021-08-27 2023-07-28 北京航天晨信科技有限责任公司 一种基于计算机视觉的无线信道阴影衰落模型预测方法
CN113985416A (zh) * 2021-10-22 2022-01-28 电子科技大学 一种通过识别电磁环境变化的无人机入侵检测方法及系统
CN116304915A (zh) * 2023-05-16 2023-06-23 山东科技大学 基于WiFi的无接触动作识别方法、系统及实验室装置
CN116304915B (zh) * 2023-05-16 2023-08-29 山东科技大学 基于WiFi的无接触动作识别方法、系统及实验室装置

Also Published As

Publication number Publication date
CN109671238B (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN109671238A (zh) 一种基于无线信道状态信息的室内入侵检测方法
US8866663B2 (en) Methods and apparatus for sensing organic tissue
CN105933080B (zh) 一种跌倒检测方法和系统
US20200166610A1 (en) Detection method, detection device, terminal and detection system
Xiao et al. Indoor anti-collision alarm system based on wearable Internet of Things for smart healthcare
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
CN105405260B (zh) 一种基于无线信号的防盗系统及防盗方法
CN104883732B (zh) 一种增强型室内无源被动人体定位方法
Lin et al. Exploiting radio irregularity in the Internet of Things for automated people counting
CN106802404A (zh) 一种人体室内定位自动检测方法及系统
CN110012496A (zh) 一种基于WiFi的入侵检测方法及装置
EP1516207B1 (en) A method of and a system for surveillance of an environment utilising electromagnetic waves
CN104796204B (zh) 一种基于无线网络的金属携带检测方法
Lee et al. Wireless sensing without sensors—An experimental study of motion/intrusion detection using RF irregularity
CN108631890A (zh) 一种基于信道状态信息和随机森林的煤矿井下闯入检测方法
CN110730473B (zh) 面向WiFi活动识别的信号特征提取方法
CN108810910A (zh) 一种基于信道状态信息构建可视图网络的入侵检测方法
CN110149604A (zh) 一种基于wifi信号的人员检测方法
CN108038419A (zh) 基于Wi-Fi的室内人员被动检测方法
CN109657572A (zh) 一种基于Wi-Fi的墙后目标行为识别方法
CN114638264A (zh) 一种基于信道状态信息的人员被动入侵检测边界估计方法
Wang et al. Leveraging hypothesis testing for CSI based passive human intrusion direction detection
CN110363947B (zh) 基于wifi反射信号判断非法入侵的方法和安防系统
Huang et al. WiLay: A two-layer human localization and activity recognition system using WiFi
US20050264303A1 (en) Radiation monitoring of body part sizing and use of such sizing for person monitoring

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
GR01 Patent grant
GR01 Patent grant