非接触式身份识别的深度学习算法

您当前的位置：

首页 >

文章列表页 >

非接触式身份识别的深度学习算法

更新时间：2025-07-09

- 非接触式身份识别的深度学习算法
- Issue 4, Pages: 122-127(2019)
- 作者机构：
  
  1. 郑州大学软件学院
  2. 佛山科学技术学院电子信息工程学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TN92;TP181
- Published：2019
- 稿件说明：
移动端阅览
[J]. 2019, (4): 122-127.
DOI：

[J]. 2019, (4): 122-127. DOI：

摘要

针对传统基于Wi-Fi的身份识别方法手工编码特征效率低、准确率不高的问题

提出一种基于深度学习的非接触式身份识别(WiID)算法。该算法通过分析子载波中信道状态信息数据的空间相关性

建立了用于深度学习的输入矩阵;采用二维卷积运算从相邻子载波中提取局部空间特征;构建门限循环单元层

从时间维度对空间特征进行时序建模

完成空间与时间两个维度的步态特征提取

实现端到端的非接触式身份识别

有效减少了数据预处理工作量。实验结果表明

与卷积神经网络和循环神经网络算法相比

该算法识别准确率得到了有效提高;在6种不同的实验场景下

该算法的身份识别准确率介于92.9%～95.6%之间

具有良好的身份识别效果及算法鲁棒性。

Abstract

关键词

Keywords

references

Patrick Connor,Arun Ross.Biometric recognition by gait: A survey of modalities and features[J].Computer Vision and Image Understanding,2018.

J.A. Unar,Woo Chaw Seng,Almas Abbasi.A review of biometric technology along with trends and prospects[J].Pattern Recognition,2014.

Daniel Halperin,Wenjun Hu,Anmol Sheth,David Wetherall.Tool release[J].ACM SIGCOMM Computer Communication Review,2011.

滕千礼,A.ESMAEILI KELISHOMI,蔡忠闽.采用运动传感器的人体运动识别深度模型[J].西安交通大学学报,2018(08).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

面向机器视觉任务的多尺度图像特征压缩算法

面向图片识别的深度学习模型并行优化方法

融合时空切片和双注意力机制的视频摘要方法

深度学习技术及其故障诊断应用分析与展望

面向图像的有效目标区域提取方法

Related Author

李凡

王子溪

贺丽君

张云飞

杨文杰

杨阳

刘帅

赵宇阳

Related Institution

西安交通大学电子与信息学部

兰州交通大学电子与信息工程学院

石家庄铁道大学信息科学与技术学院

西安交通大学机械制造系统工程国家重点实验室

西安交通大学智能网络与网络安全教育部重点实验室

⁰