本發(fā)明涉及網(wǎng)絡(luò)人員身份識別，尤其涉及基于多分支域?qū)R模型的跨域wifi人員身份識別方法。

背景技術(shù)：

1、當(dāng)wifi設(shè)備在通信過程中以wifi頻譜的形式發(fā)射無線電頻率信號時，這些信號會在區(qū)域內(nèi)被人體反射和衍射，信號的波動可以被用于識別人體多種動作，?如手部、身體或呼吸等。在實際的生活場景中，這種識別方式可以應(yīng)用于多個領(lǐng)域，例如安全監(jiān)測系統(tǒng)、年長者運動功能狀況監(jiān)測以及智能家居設(shè)備。由于每個人的步行姿態(tài)（簡稱為“步態(tài)”）理論上都具有與生物特征唯一綁定的特異性。一些現(xiàn)有技術(shù)嘗試?yán)脀ifi設(shè)備收集的人體步態(tài)對應(yīng)的信道狀態(tài)信息（csi，channel?state?information，信道狀態(tài)信息）來進(jìn)行人體識別（hi，human?identification，人體識別），適用于智能家居和辦公室等各種采樣場所的個性化部署。然而，真實的多徑(multi-path)環(huán)境包含多種干擾因素，也稱之為域，例如，步行軌跡方向、步行速度、wifi設(shè)備位置等都會導(dǎo)致人體步態(tài)信號變化，導(dǎo)致人體身份識別準(zhǔn)確率降低?，F(xiàn)有技術(shù)嘗試使用遷移學(xué)習(xí)消除單一的某一種干擾域的負(fù)面影響，但無法同時去除多種類型干擾域。

技術(shù)實現(xiàn)思路

1、本發(fā)明主要解決的技術(shù)問題是提供一種基于多分支域?qū)R模型的跨域wifi人員身份識別方法。該基于多分支域?qū)R模型的跨域wifi人員身份識別方法能夠避免僅能消除單一干擾域?qū)е碌娜梭w身份識別準(zhǔn)確率降低，可消除多種干擾域的負(fù)面影響，提高人體身份識別準(zhǔn)確率。

2、為了解決上述問題，本發(fā)明提供一種基于多分支域?qū)R模型的跨域wifi人員身份識別方法，該基于多分支域?qū)R模型的跨域wifi人員身份識別方法，通過對人員的步態(tài)特征來認(rèn)識別身份，包括，

3、采用系列損失函數(shù)對多分支域?qū)R模型系列監(jiān)督損失，以對齊源域和目標(biāo)域之間的分布，促使域特定分類器準(zhǔn)確識別不同的步態(tài)特征，其中該系列損失函數(shù)中的域適應(yīng)損失函數(shù)拉近每個分支的源域與目標(biāo)域之間的距離和多個分支之間的距離，使多個干擾域的同時遷移適應(yīng)，其中，多分支域?qū)Rdda模型包括將整體的源域切分為至少兩組，分別將每組源域與目標(biāo)域進(jìn)行對齊，網(wǎng)絡(luò)模型包括一個共用的特征提取器和針對每個分組的源域的特征提取器，分別學(xué)習(xí)每個分組中的步態(tài)特征，并將目標(biāo)域的特征分別經(jīng)過兩個源域的子域所對應(yīng)的網(wǎng)絡(luò)模型所獲得的嵌入特征分別與兩種子源域的嵌入特征進(jìn)行對齊學(xué)習(xí)。

4、在一個實施例中，采用mmd域適應(yīng)損失函數(shù)用來最小化兩組源領(lǐng)域與目標(biāo)領(lǐng)域之間的距離，該mmd域適應(yīng)損失函數(shù)?,

5、其中，和分別表示兩組數(shù)據(jù)分布和的期望，表示再生核希爾伯特空間，該空間配備有一個特征核函數(shù)，用于測量樣本對之間的距離，函數(shù)和表示將原始樣本轉(zhuǎn)換為再生核希爾伯特空間的特征映射，核函數(shù)被定義為分別對應(yīng)于源樣本的特征表示和分別對應(yīng)于目標(biāo)樣本的特征表示之間的內(nèi)積，和分別表示源域和目標(biāo)域的wifi數(shù)據(jù)樣本。

6、在一個實施例中，所述系列損失函數(shù)包括域適應(yīng)損失、收斂損失和交叉熵?fù)p失。

7、在一個實施例中，所述域適應(yīng)損失：?，

8、其中，式中和分別表示源域和目標(biāo)域的wifi數(shù)據(jù)樣本，表示網(wǎng)絡(luò)分支的數(shù)量，的簡化估計，表示dda模型的兩個分支網(wǎng)絡(luò)中所應(yīng)用的mmd損失，有助于在每個分支中分別對齊源域和目標(biāo)域之間的分布，和表示源域或目標(biāo)域樣本由共用特征提取器e，表示源域分組特征提取器提取的特征，表示源域，表示目標(biāo)區(qū)?，的范圍從1到。

9、在一個實施例中，所述網(wǎng)絡(luò)分支的數(shù)量取值為2，3或4。

10、在一個實施例中，dda模型所示的交叉熵?fù)p失函數(shù)進(jìn)行監(jiān)督分類學(xué)習(xí)，該交叉熵?fù)p失函數(shù)：

11、?，

12、其中，表示著步態(tài)標(biāo)簽個數(shù)，表示樣本真實的類別標(biāo)簽，則指代softmax函數(shù)操作，表示分支的分類器，用于將網(wǎng)絡(luò)輸出的結(jié)果轉(zhuǎn)化為概率值的范圍是1到,表示參數(shù)為源域樣本的期望。

13、在一個實施例中，dda模型利用目標(biāo)域的無標(biāo)簽樣本來拉近多個分支的距離，通過收斂損失幫助模型實現(xiàn)特定的兩個分支的域?qū)R，該收斂損失：

14、?。

15、在一個實施例中，所述域?qū)R損失函數(shù)：

16、，

17、其中，和分別表示和的重要性權(quán)重。

18、在一個實施例中，在訓(xùn)練的早期階段，兩個權(quán)重采用漸進(jìn)策略進(jìn)行動態(tài)調(diào)整，根據(jù)公式，隨著訓(xùn)練迭代的進(jìn)行逐漸從0變?yōu)?，其中是訓(xùn)練過程中線性變化的，經(jīng)驗性地取值為10，并且在整個實驗過程中保持不變，含義為以指數(shù)e為底數(shù)的。

19、本發(fā)明一種基于多分支域?qū)R模型的跨域wifi人員身份識別方法，該跨域wifi人員身份識別方法采用多分支域?qū)R（dda,?divided?domain?adaptation）模型和系列損失函數(shù)，將整體的源域切分為兩組或多組，并分別將每組源域與目標(biāo)域進(jìn)行對齊，通過系列的系列損失函數(shù)拉近每個分支的源域與目標(biāo)域之間的距離和多個分支之間的距離，實現(xiàn)多個干擾域的同時遷移適應(yīng)。能夠同時消除多種同時疊加出現(xiàn)的環(huán)境因素所帶來的負(fù)面影響，提升wifi人體身份識別的準(zhǔn)確率和系統(tǒng)的可靠性，減少遷移適應(yīng)多種干擾域的難度。

技術(shù)特征：

1.一種基于多分支域?qū)R模型的跨域wifi人員身份識別方法，通過人員的步態(tài)特征認(rèn)識別身份，其特征在于，包括，

2.根據(jù)權(quán)利要求1所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于，采用mmd域適應(yīng)損失函數(shù)用來最小化兩組源領(lǐng)域與目標(biāo)領(lǐng)域之間的距離，該mmd域適應(yīng)損失函數(shù)，

3.根據(jù)權(quán)利要求1或2所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于，所述系列損失函數(shù)包括域適應(yīng)損失、收斂損失和交叉熵?fù)p失。

4.根據(jù)權(quán)利要求3所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于，所述域適應(yīng)損失，

5.根據(jù)權(quán)利要求4所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于：所述網(wǎng)絡(luò)分支的數(shù)量取值為2，3或4。

6.根據(jù)權(quán)利要求4所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于，dda模型所示的交叉熵?fù)p失函數(shù)進(jìn)行監(jiān)督分類學(xué)習(xí)，該交叉熵?fù)p失函數(shù)：

7.根據(jù)權(quán)利要求6所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于，dda模型利用目標(biāo)域的無標(biāo)簽樣本來拉近多個分支的距離，通過收斂損失幫助模型實現(xiàn)特定的兩個分支的域?qū)R，該收斂損失：

8.根據(jù)權(quán)利要求3或7所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于，域?qū)R損失函數(shù)：

9.根據(jù)權(quán)利要求8所述的基于多分支域?qū)R模型的跨域wifi人員身份識別方法，其特征在于，在訓(xùn)練的早期階段，兩個權(quán)重采用漸進(jìn)策略進(jìn)行動態(tài)調(diào)整，根據(jù)公式，隨著訓(xùn)練迭代的進(jìn)行逐漸從0變?yōu)?，其中是訓(xùn)練過程中線性變化的，經(jīng)驗性地取值為10，并且在整個實驗過程中保持不變，含義為以指數(shù)e為底數(shù)的。

技術(shù)總結(jié)
本發(fā)明適用于人員身份識別技術(shù)領(lǐng)域。本發(fā)明公開一種基于多分支域?qū)R模型的跨域WiFi人員身份識別方法，跨域WiFi人員身份識別方法包括建立多分支域?qū)RDDA模型，并采用損失函數(shù)對多分支域?qū)R模型進(jìn)行監(jiān)督損失，使域特定分類器準(zhǔn)確識別不同的步態(tài)特征，將整體的源域切分為兩組或多組，并分別將每組源域與目標(biāo)域進(jìn)行對齊，通過系列的損失函數(shù)拉近每個分支的源域與目標(biāo)域之間的距離和多個分支之間的距離，實現(xiàn)多個干擾域的同時遷移適應(yīng)。能夠同時消除多種同時疊加出現(xiàn)的環(huán)境因素所帶來的負(fù)面影響，提升WiFi人體身份識別的準(zhǔn)確率和系統(tǒng)的可靠性，減少遷移適應(yīng)多種干擾域的難度。

技術(shù)研發(fā)人員：張勁,劉志國,宋濤,朱晗琦
受保護的技術(shù)使用者：深圳市信豐偉業(yè)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19