1.一 种基于Wi‑Fi信号和深度相机的身份识别方法,其特征在于,包括离线阶段和在线阶段,具体步骤如下,离线阶段:
步骤S1、采集训练数据,当目标在参考位置点上,通过双目摄像头采集目标的RGB和深度图像,并利用无线网卡采集Wi‑Fi信号的信道状态信息;
步骤S2、数据预处理;通过CSI测量值幅度信息的时域,空域和频域构建CSI幅度图像,通过Grabcut图像分割算法处理双目摄像头拍摄的图像,提取深度图像中目标深度信息;
步骤S3、分类学习;构建目标深度图像及位置标签训练数据库,利用卷积神经网络进行基于位置的分类学习,获取基于位置的分类模型;在每一个参考位置上,构建CSI幅度图像及身份标签训练数据库,利用卷积神经网络进行基于身份的分类学习,获取基于身份的分类模型;
在线阶段:
利用双目摄像头和无线网卡采集图像和CSI幅度信息,将接收到的CSI和图像测量值进行数据预处理,通过CSI测量值幅度信息的时域,空域和频域构建CSI幅度图像,通过Grabcut图像分割算法处理双目摄像头拍摄的图像,提取深度图像中目标深度信息;根据位置分类模型计算出目标位置;根据目标位置对应的身份分类模型识别出目标身份。
2.根据权利要求1所述的一种基于Wi‑Fi信号和深度相机的身份识别方法,其特征在于,所述步骤S2中,利用Grabcut算法将双目摄像头输出的RGB图像进行分割,将输出的RGB图像对应的矩阵进行修改,人像位置设置为1,其余部分设置为0,然后将此矩阵与深度图像对应矩阵相乘,由于双目摄像头输出的深度图像与RGB图像是一一对应的,即可获取将人像分割出来的深度图像。
3.根据权利要求1所述的一种基于Wi‑Fi信号和深度相机的身份识别方法,其特征在于,所述在线阶段中,目标身份识别首先利用深度信息估计目标的位置,然后再利用CSI幅度信息完成身份识别。