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

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。

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).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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