基于改进SVM算法的室内人员身份识别技术

【摘  要】针对传统的身份识别系统设备昂贵、侵犯隐私等缺点，提出一种基于Wi-Fi的信道状态信息的身份识别系统。首先，从改进的无线信号接收设备中提取反映人体步态特征的数据信息，然后对数据进行预处理并且提取出关键特征数据，利用改进支持向量机算法实现分类。提出了面向Wi-Fi人员身份识别的遗传算法迭代优化SVM的参数组合方法，进行自适应调节训练分类器，达到最优身份识别率。实验结果表明，在10名受试者参与中，系统平均识别准确率有92.5%。

【关键词】Wi-Fi；CSI；身份识别；支持向量机；遗传算法

0   引言

身份识别在日常生活中起重要作用，比如考勤打卡、账号登录以及安全验证等广泛的应用场景。由于人体的生物特征具有唯一性、不易模仿性和不变性等，使得基于生物特征的身份识别技术成为目前的研究热点。目前来说，身份识别技术的原理大体分为两大类：其一是基于计算机视觉图像[1-2]方面的研究，通过使用摄像头采集个体的相关图像信息进行特征提取从而完成身份识别，但是存在易侵犯用户隐私以及隐私泄露的风险，同时周围光线以及障碍物会影响识别效果；其二是基于人体的个体生物特征的研究，例如指纹识别[3]、虹膜识别[4]等，通过个体主动参与认证，接触相关软件或者设备从而采取其独特的生物特征进行识别，但是该方式需要个体的近距离参与，不利于频繁的检测认证，易收到黑客攻击，并且所需专用设备的安装部署成本较高。

近些年，相关研究人员研究Wi-Fi技术在环境感知和行为分析方面的应用。基于Wi-Fi感知的身份识别，由于无线设备的广泛部署及其优势引起了广泛的关注。能够获得的无线信号描述包括接收信号强度&#