基于Wi-Fi信号探测的人群拥挤检测OA
Crowd identification based on Wi-Fi signal detection
人群拥挤检测对于城市公共安全至关重要.利用城市公共场所现有Wi-Fi信号,应用ESP32芯片采集Wi-Fi信号的CSI数据,采用长短期记忆(Long Short-Term Memory,LSTM)网络建立人群拥挤检测模型,可以实现人群拥挤检测.结果表明:采用CSI数据的均值和方差作为LSTM网络的输入特征指标,模型具有更好的性能;正确率、精确率、召回率和F1评分指标最低值均超过70%;卡尔曼滤波可以将模型性能提高约10%;采用较长的输入序列具有更好的模型性能.与现有主流基于视频图像的人群拥挤检测技术相比,本系统实施成本低、覆盖面广.
Crowd identification is vital for urban public safety.By leveraging existing Wi-Fi signals in public places and employing ESP32 chip to collect CSI data,a crowd identification model is established using Long Short-Term Memory(LSTM)networks.Results demonstrate that using the mean and variance of CSI data as input features for the LSTM network yields superior performance;accuracy,precision,recall and F1 score all exceed 70%;Kalman filtering further enhances model performance by approximately 10%;while longer input sequences improve model accuracy.Compared to existing video-based crowd identification technologies,this method offers lower implementation costs and broader coverage.
陶琪;彭萧洋;王星亿;林圆圆;李春季;罗锐
成都师范学院,四川 成都 611130成都师范学院,四川 成都 611130成都师范学院,四川 成都 611130成都师范学院,四川 成都 611130成都师范学院,四川 成都 611130成都师范学院,四川 成都 611130
信息技术与安全科学
Wi-Fi拥挤检测CSI
Wi-FiCrowdIdentificationCSI
《通信与信息技术》 2026 (3)
12-17,6
室内空间布局优化与安全保障四川省高校重点实验室(项目编号:2023SNKJ-02)多维数据感知与智能信息处理达州市重点实验室(项目编号:DWSJ2411)成都师范学院(项目编号:2024XJSXJS12024XJCXXSY9CSTJZX25692025xjcxsy02S202514389127)基金和2025年教育部产学合作项目资助
评论