(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210257695.6 (22)申请日 2022.03.16 (65)同一申请的已公布的文献号 申请公布号 CN 114359738 A (43)申请公布日 2022.04.15 (73)专利权人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 毕宿志　侯华炜　全智　郑莉莉　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 陈专 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/52(2022.01)G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111835444 A,2020.10.27 CN 10715408 8 A,2017.09.12 CN 111753686 A,2020.10.09 CN 112381063 A,2021.02.19 张六等.基 于信道状态信息的室内人 数统计 方法. 《计算机 工程与设计》 .2020,(第04期), 审查员 邢丽超 (54)发明名称 一种跨场景鲁棒的室内人数无线检测方法 及系统 (57)摘要 本发明公开了一种跨场景鲁棒的室内人数 无线检测方法及系统， 所述方法包括： 获取根据 训练数据集对卷积神经网络模型进行训练获得 的特征提取器； 获取待检测场景的分类器训练数 据集， 通过特征提取器提取分类器训练数据集中 的特征并训练机器学习模型， 获得待检测场景的 分类器， 分类器训练数据集根据预先在所述待检 测场景中采集的信道状态信息的集合获得， 分类 器用于根据输入的特征进行人数检测并输出检 测结果； 获取待检测场景中的待检测数据， 并通 过特征提取器和分类器进行人数检测并输出检 测结果， 待检测数据根据待检测场景中的待检测 信道状态信息获得。 与现有技术相比， 本发明有 利于提高人数检测的效率和准确性且有利于跨 场景的人 数检测。 权利要求书3页 说明书18页 附图8页 CN 114359738 B 2022.06.14 CN 114359738 B 1.一种跨场景鲁棒的室内人 数无线检测方法， 其特 征在于， 所述方法包括： 获取特征提取器， 其中， 所述特征提取器是预先根据训练数据集对预设的卷积神经网 络模型进 行训练获得的， 所述训练数据集根据预先在训练场景中采集的信道状态信息的集 合获得， 所述训练数据集中的信道状态信息的数目为第一预设值， 所述特征提取器用于提 取所述信道状态信息的特 征； 获取待检测场景对应的分类器训练数据集， 通过所述特征提取器提取所述分类器训练 数据集中的特征并作为分类器训练特征， 根据所述分类器训练特征训练预设的机器学习模 型并获得所述待检测场景对应的分类器， 其中， 所述分类器训练数据集根据预先在所述待 检测场景中采集的信道状态信息的集合 获得， 所述分类器训练数据集中的信道状态信息的 数目为第二预设值， 所述第二预设值小于所述第一预设值， 所述分类器用于根据输入的特 征进行人数检测并输出检测结果； 获取所述待检测场景中的待检测数据， 通过所述特征提取器和所述分类器对所述待检 测数据进行人数检测并输出检测结果， 其中， 所述待检测数据根据所述待检测场景中的待 检测信道状态信息获得； 在所述获取 特征提取器之前， 所述方法还 包括： 通过所述训练场景中的接收天线预先采集获取所述训练场景中各个人数类别对应的 信道状态信息， 根据预先设置的预 处理过程对所述训练场景中的信道状态信息进 行处理并 进行人数类别标签的标记， 获得 所述训练数据集； 通过所述待检测场景中的接收天线预先采集获取所述待检测场景中各个人数类别对 应的信道状态信息， 根据预先设置的预处理过程对所述待检测 场景中的信道状态信息进 行 处理并进行 人数类别标签的标记， 获得 所述分类 器训练数据集； 其中， 所述人数类别根据对应场景中的人数划分获得， 所述预处理过程包括： 分别计算 每一个所述信道状态信息对应的幅值矩阵和相位矩阵， 对所述幅值矩阵进 行基于层的标准 化并获得幅值信息矩阵， 根据所述相位矩阵计算各所述接收天线之 间的相位差并获得相位 信息矩阵； 所述获取所述待检测场景中的待检测数据， 通过所述特征提取器和所述分类器对所述 待检测数据进行 人数检测并输出检测结果， 包括： 通过所述待检测场景中的接收天线采集获取所述待检测场景中的待检测信道状态信 息； 根据所述预处 理过程对所述待检测信道状态信息进行处 理并获得 所述待检测数据； 将所述待检测数据输入所述特征提取器， 获取所述特征提取器输出的特征并作为待检 测特征； 将所述待检测特征输入所述待检测场景对应的分类器中， 通过所述分类器进行人数检 测并输出 所述检测结果。 2.根据权利要求1所述的跨场景鲁棒的室内人数无线检测方法， 其特征在于， 所述获取 特征提取器， 包括： 将所述训练数据集划分为训练子集和 测试子集； 根据所述训练子集和所述测试子集对所述预设的卷积神经网络模型进行训练获得所 述特征提取器， 其中， 所述卷积神经网络模型包括多个卷积块和一个全连接层， 每一个所述权　利　要　求　书 1/3 页 2 CN 114359738 B 2卷积块中包括多个卷积核、 一个标准 化层和一个ReLU激活函数。 3.根据权利要求2所述的跨场景鲁棒的室内人数无线检测方法， 其特征在于， 根据 预设 的训练代数和预设的知识自蒸馏 过程对所述卷积神经网络模型进 行训练， 所述预设的知识 自蒸馏过程包括： 基于所述训练数据集和所述训练数据集对应的人数类别标签对所述卷积神经网络模 型进行第1代训练， 获得第1代模型； 基于所述训练数据集、 所述训练数据集对应的人数类别标签以及第 代模型的输出 结果对第 代待训练模型进行训练， 获得第 代模型， 其中， 大于1且不大于所述预设 的训练代数， 所述第 代待训练模型的结构与所述第 代模型相同。 4.根据权利要求1所述的跨场景鲁棒的室内人数无线检测方法， 其特征在于， 所述通过 所述待检测场景中的多个接 收天线预先采集获取所述待检测场景中各个人数类别对应的 信道状态信息的过程中， 分别为每一个人 数类别采集至少5个对应的信道状态信息 。 5.根据权利要求1所述的跨场景鲁棒的室内人数无线检测方法， 其特征在于， 所述预设 的机器学习模型为逻辑回归 模型或SVM模型。 6.一种跨场景鲁棒的室内人 数无线检测系统， 其特 征在于， 所述系统包括： 特征提取器获取模块， 用于获取特征提取器， 其中， 所述特征提取器是预先根据训练数 据集对预设的卷积神经网络模型进行训练获得的， 所述训练数据集根据预先在训练场景中 采集的信道状态信息的集合获得， 所述训练数据集中的信道状态信息的数目为第一预设 值， 所述特 征提取器用于提取 所述信道状态信息的特 征； 分类器获取模块， 用于获取待检测场景对应的分类器训练数据集， 通过所述特征提取 器提取所述分类器训练数据集中的特征并作为分类器训练特征， 根据所述分类器训练特征 训练预设的机器学习模型并获得所述待检测场景对应的分类器， 其中， 所述分类器训练数 据集根据预先在所述待检测场景中采集的信道状态信息的集合获得， 所述分类器训练数据 集中的信道状态信息的数目为第二预设值， 所述第二预设值小于所述第一预设值， 所述分 类器用于根据输入的特 征进行人数检测并输出检测结果； 人数检测模块， 用于获取所述待检测场景中的待检测数据， 通过所述特征提取器和所 述分类器对所述待检测数据进行人数检测并输出检测结果， 其中， 所述待检测数据根据所 述待检测场景中的待检测信道状态信息获得； 所述跨场景鲁棒的室内人 数无线检测系统还用于： 通过所述训练场景中的接收天线预先采集获取所述训练场景中各个人数类别对应的 信道状态信息， 根据预先设置的预 处理过程对所述训练场景中的信道状态信息进 行处理并 进行人数类别标签的标记， 获得 所述训练数据集； 通过所述待检测场景中的接收天线预先采集获取所述待检测场景中各个人数类别对 应的信道状态信息， 根据预先设置的预处理过程对所述待检测 场景中的信道状态信息进 行 处理并进行 人数类别标签的标记， 获得 所述分类 器训练数据集； 其中， 所述人数类别根据对应场景中的人数划分获得， 所述预处理过程包括： 分别计算 每一个所述信道状态信息对应的幅值矩阵和相位矩阵， 对所述幅值矩阵进 行基于层的标准权　利　要　求　书 2/3 页 3 CN 114359738 B 3