基于信道衰落特征提取的群体分布非绑定感知方法研究

Robust crowd counting is an important yet challenging task. It is of great interest in a number of potential applications, such as guided tour, crowd control, etc. Crowd behaviors, however, are often unpredictable and irrational. Thus, challenges faced in crowd counting may include reliable observation collection, object occlusions and real-time processing requirement. A crowd counting solution should be scalable and be minimally intrusive (i.e., device-free) to users. Image-based solutions are device-free, but cannot work well in a dim or dark environment. Non-image based solutions usually require every human being carrying device, and are inaccurate and unreliable in practice. Taking advantage of the high sensitivity of Channel State Information (CSI), the thesis proposes a device-free human crowd counting system based on the extraction of CSI vibration. By flatten the temporal CSI raw data, we establish a monotone function between crowd numbers and CSI vibration. The Grey theory is used to fit the crowd number and vibration value, which achieving a device-free crowd counting. At last, by extracting the multipath characteristics of CSI, we propose a fine-tuning system to adapt environments change.

为了维护公共安全，维持社会秩序，对于群体行为的感知与预测具有其重要作用。针对视频监控存在监控盲区、容易暴露用户的隐私等问题，课题组拟利用人群移动对无线信号的干扰，在不依赖视频监控的情况下实现高精度非绑定的人群密度感知与预测。信道状态信息CSI是对无线信号多径传输的一种综合细粒度描述，对环境变化十分敏感，非常适用于监测移动的人群。课题组拟通过对CSI 原始数据的时序序列对应的二维矩阵进行膨胀抽取信号扰动特征，建立移动人群数量与干扰水平间的单调非线性映射；将CSI从频域转换到时域，选择适当范围内的无线信号多径干扰值，来调节设备的感知范围，避免邻近监测区域之间的相互干扰；最后采用灰色理论拟合人数与比例值之间的非线性关系，在无需建立指纹库的情况下实现非绑定的人群估数。本项目可以实现多设备协同下的人群估数，满足大范围监测的需求，提高应急管理和公共安全的能力。

为了维护公共安全，维持社会秩序，对于群体行为的感知与预测具有其重要作用。为了弥补视频监控存在监控盲区、容易暴露用户的隐私等问题，课题组利用人群移动对无线信号的干扰，在不依赖视频监控的情况下实现高精度非绑定的人群密度感知与预测。信道状态信息CSI是对无线信号多径传输的一种综合细粒度描述，对环境变化十分敏感，非常适用于监测移动的人群。课题组通过对CSI 原始数据的时序序列对应的二维矩阵进行膨胀抽取 信号扰动特征，建立移动人群数量与干扰水平间的单调非线性映射；将CSI从频域转换到时域，选择适当范围内的无线信号多径干扰值，来调节设备的感知范围，避免邻近监测区域之间的相互干扰;最后采用灰色理论拟合人数与比例值之间的非线性关系，在无需建立指纹库的情况下实现非绑定的人群估数。除了利用WiFi进行无监督的人群感知外，课题组还将该方法扩展到了RFID领域，利用类似的方案在RFID系统中实现了人群密度的监测。与此同时，课题组和香港科技大学和微信开展合作，在微信的时空大数据的基础上利用人工智能大技术来实现无监督的室内定位和人群分布和流向预测。