随着对于大规模人群聚集活动的监控需求日益凸显,基于Wi-Fi的人群密度监测技术逐渐应用于公共安全管理,但其受限于RSSI(received signal strength indicator)的显著波动性与MAC地址匿名化造成的个体识别困难,特别在高密度场景下,其估计...随着对于大规模人群聚集活动的监控需求日益凸显,基于Wi-Fi的人群密度监测技术逐渐应用于公共安全管理,但其受限于RSSI(received signal strength indicator)的显著波动性与MAC地址匿名化造成的个体识别困难,特别在高密度场景下,其估计精度与稳定性仍难以保障。对此,提出一种抗随机性的Wi-Fi探针数据人群密度估计方法,通过设计一种基于时间窗的累计RSSI计算策略,利用局部建模构建区域密度映射关系,捕捉区域人群的动态变化,实现了复杂环境下稳定人群密度估计。所提方法在米级精度上分别取得了0.9723的整体准确率和0.8974的高密度场景准确率,实验结果表明其性能良好,具备跨场景推广的理论潜力与良好的泛用性。展开更多
文摘随着对于大规模人群聚集活动的监控需求日益凸显,基于Wi-Fi的人群密度监测技术逐渐应用于公共安全管理,但其受限于RSSI(received signal strength indicator)的显著波动性与MAC地址匿名化造成的个体识别困难,特别在高密度场景下,其估计精度与稳定性仍难以保障。对此,提出一种抗随机性的Wi-Fi探针数据人群密度估计方法,通过设计一种基于时间窗的累计RSSI计算策略,利用局部建模构建区域密度映射关系,捕捉区域人群的动态变化,实现了复杂环境下稳定人群密度估计。所提方法在米级精度上分别取得了0.9723的整体准确率和0.8974的高密度场景准确率,实验结果表明其性能良好,具备跨场景推广的理论潜力与良好的泛用性。