一种适于多场景人群计数的支持向量机增量学习方法

作     者：宗静 何亮 黄斌科 ZONG Jing;HE Liang;HUANG Binke

作者机构：西安交通大学信息与通信工程学院陕西西安710049 西安交通大学计算机科学与技术学院陕西西安710049 

基　　金：国家自然科学基金(61471293) 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2022年第39卷第2期

页      码：75-83页

摘      要：在利用WiFi信号实现人群计数中,基于信道状态信息幅度(Channel State Information,CSI)存在分类模型滤波不彻底和准确度差的问题,本文提出了一种基于多接收天线之间相位差扩展矩阵信息的支持向量机(Support Vector Machine,SVM)增量学习算法.首先对CSI原始相位数据执行三重处理,以便最大程度的消除环境干扰和相位误差;另外提出了一种建立相位差扩展矩阵的思想,加入了不同人数场景的动态特征,提高了人群计数准确性.考虑到新增场景后,原训练数据和新增数据需合并进行重新训练,因训练数据过多会造成计算复杂度过高,为此我们提出了一种基于SVM增量学习分类算法,设计了一个循环迭代过程,实现了对增量数据在线学习的功能,且在提升人群计数准确率和降低计算复杂度方面均取得了较好的效果.算法结果表明,本文方法可实现实时人群计数,在最大计数误差为1人时,平均计数精度可达95%以上,且随着场景增多在训练识别模型时节约的时间越显著.

主 题 词：人群计数 信道状态信息 支持向量机 增量学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19304/J.ISSN1000-7180.2021.0464

馆 藏 号：203108752...