1.一种人员进出计数统计方法，其特征在于，该方法包括以下步骤：S1，对预实验数据进行去噪处理；在采集数据时，对于数据传输时的传输错误情况出现的异常值以及无穷大和无穷小值数据，通过遍历全部待测数值进行限制，并使用滤波器二次处理滤除异常值，然后使用小波变换再次进行去噪处理；

S2，基于去噪处理后的数据，利用天线选择算法选出敏感天线；

S3，利用选出的敏感天线进行数据采集，对敏感天线采集的数据进行去噪处理；

S4，将去噪后的数据分别进行运动区间切割算法、子载波选择算法、方向识别算法，得到人体移动方向；进行短时傅里叶变换，得到不同人数情况下的特征图片；

S5，将多个类别下的特征图片导入卷积神经网络训练分类模型，将得到的频谱图打上标签导入卷积神经网络训练分类模型，对得到的频谱图进行分类；

S6，利用卷积神经网络训练分类模型实时采集人体行走数据并实时进行去噪以及提取特征，获取人体行走实时识别数据；将实时识别的结果传递至应用程序中进行显示。

2.根据权利要求1所述的人员进出计数统计方法，其特征在于，在步骤S1中，所述预实验数据包括：无人进出、一人进一人出、两人进两人出、三人进三人出、室内干扰、室外干扰的WiFi的信道状态信息；

实验环境下使用支持802.11n协议的网卡以及接收端的路由器进行预实验数据采集，具体包括：使用网卡接收路由器发来的信号，记录下WiFi的信道状态信息；通过正交频分复用技术将WiFi的通信信道划分成多个子载波；任何一个子载波表示WiFi信号在空间中传播、反射、散射的叠加信息；信道的状态信息表达式为：（1）

式中， 的绝对值是CSI的幅度信息，表示子载波的中心频率， 表示由t时刻发出的信道状态信息，是子载波的总个数， 表示第i个中心频率为f的子载波的幅值信息，是CSI的相位信息；j为复数；

从发射端到接收端的传递信息的过程表示为：

（2）

式中，Y是接收端收到的信息，H为信道状态信息，X是发射端发出的信息，N是环境噪声。

3.根据权利要求1所述的人员进出计数统计方法，其特征在于，在步骤S2中，天线选择算法包括：依据三根天线所包含子载波幅度值的方差大小选择两根最为敏感的天线；选取实验所用的天线，定义 为：（3）

式中， 为第i子载波第j段信号的方差，len为CSI信号的长度， 为窗口内信号幅度值的均值，h是子载波的幅度值， 表示第k个子载波的幅度值；

然后求每个子载波上所有窗口内 的和，定义为 ，则有：

（4）

式中， 表示第 个子载波上所有窗口内的 ，p表示划分窗口的序列号，表示子载波的编号；

选用一根发射天线以及三根接收天线，每根天线的方差特征值为：（5）

式中， 表示每根天线最终计算得到的方差特征， 的取值范围为1‑3， 为排除最大的子载波数， 为排除 最小的子载波数，比较 到 的大小，最大的 为主要天线，次大的 为辅助天线。

4.根据权利要求1所述的人员进出计数统计方法，其特征在于，在步骤S4中，运动区间切割算法包括：使用主子载波选取方法以及根据第一优先级选取子载波，计算该子载波幅度值的移动方差，设定阈值范围为3‑10；

从方差数组的起始点开始以固定长度划分成若干窗口，取窗口内的最大值与阈值进行比较；每进行一次比较，更新下一次的比较对象，所述对象为下一个窗口内的最大值；

当窗口内幅度值方差的最大值大于阈值，则规定当前窗口的起始点即为人体移动事件的起始点；找寻到起始点后，开始寻找其对应的结束点；当某个窗口内幅度值方差的最大值开始小于阈值，则规定当前窗口的终止点为人体移动事件的终止点；根据起始点与终止点将人体移动的信号区间分割保存。

5.根据权利要求1所述的人员进出计数统计方法，其特征在于，在步骤S4中，子载波选择算法采用主子载波选取方法和副子载波选取方法；

主子载波选取方法包括：以信号幅度值的方差作为特征，以公式（3）及公式（4）计算得到 ；排除 最大的子载波，排除 最小的子载波；再通过比较剩余子载波幅度值与静态分量时幅度值的分布，对剩余子载波进行优先级排序；

副子载波选取方法包括：以信号幅度值的方差作为特征，以公式（3）及公式（4）计算得到 ；排除 最小的子载波；再通过比较剩余子载波幅度值与静态分量时幅度值的分布，对剩余子载波进行优先级排序。

6.根据权利要求1所述的人员进出计数统计方法，其特征在于，在步骤S4中，方向识别算法用来判断当前人体的移动方向，根据两根天线上人体移动信号在时间轴的偏移方向判断人体移动的方向；具体包括以下步骤：步骤1：设定两个标志位d_flag1与标志位d_flag2，且初始值为0；

步骤2：对主副天线分别进行子载波选择；

步骤3：通过运动区间切割算法识别各子载波的起始点与终止点，并且求得起始点与终止点的中间位置坐标v1、中间位置坐标v2；

步骤4：比较中间位置坐标v1与中间位置坐标v2，若中间位置坐标v1大于中间位置坐标v2，标志位d_flag1自增1，否则标志位d_flag2自增1；

步骤5：通过不同优先级选取子载波循环执行五次步骤1到步骤4后，判断标志位d_flag1与标志位d_flag2的大小，若标志位d_flag1大，则判断方向为进，否则方向为出。

7.根据权利要求1所述的人员进出计数统计方法，其特征在于，在步骤S4中，所述进行短时傅里叶变换，得到不同人数情况下的特征图片包括：使用运动区间切割算法以及子载波选择算法后的CSI幅度信息绘制用于最终模型训练的图像；利用短时傅里叶变换确定信号波形局部位置的频率及相位信息；选择窗函数f（t），使得信号与窗函数f（t）的乘积在一段时间范围内平稳，进而计算出不同时刻的频谱图；选择子载波的频谱图作为分类的依据，将人员进出状态分类转化为图像分类；窗函数f（t）的表达式为：；

式中， 为窗函数， ，N为窗函数的周期， ，

， ， ；

在步骤S6中，所述去噪包括：通过Hampel滤波器与小波变换两种方法相结合的方式去除噪声；所述提取特征包括：选择WiFi信道状态信息幅度值经过短时傅里叶变换后的图片作为分类特征。

8.根据权利要求7所述的人员进出计数统计方法，其特征在于，将人员进出状态分类转化为图像分类包括：步骤i，将初步得到的频谱图进行置零处理，对于每一个人体移动样本，使用主子载波选择模式根据不同的优先级选取多个子载波，通过一次人体移动样本扩展得到多个频谱图训练样本；

步骤ii，将频谱图像缩小操作，利用双三次插值法通过原始图像像素点周围16个点像素值的加权平均值为目标图像对应坐标上的像素值。

9.一种人员进出计数统计系统，其特征在于，实施权利要求1‑8任意一项所述的人员进出计数统计方法，该系统包括：WiFi信号发射端，用于发射无线信号；

WiFi信号接收端，使用装有网卡的电脑，并与网卡连接的天线共同组成，用于接收WiFi信号发射端发射的信号；

信号分析处理模块，用于执行人员进出计数统计方法步骤。