电子信息技术

本发明公开了一种基于深度学习的非视距身份识别方法、设备及存储介质，属于无线网络和非视距下的行为识别技术领域。本发明方法利用普通商用路由器收集CSI数据，通过对原始CSI数据进行预处理，并使用MSCNN算法从处理后的活动片段自动提取能够区分不同个体的特征，最后使用SoftMax函数实现穿墙情况下的活动人员的身份识别。本发明方法易于实现，便于实施，执行效率高，识别结果准确性高。

传统的身份识别技术主要基于身份标识物品及知识技术、计算机视觉和可穿戴传感器。但在某种程度上具有一定的局限性。身份标识物品及知识技术，其中身份标识物品技术是一种个人持有物，如IC/感应式ID/RFID卡证件，身份标识知识技术包括个人识别码和密码，两者也可以一起使用。它们是人们日常使用率最高的识别技术。但是容易遗忘、丢失或伪造，当被非法者持有时，便可以得到与合法用户相同的权利；计算机视觉通过摄像头采集人体生理和活动的图像和视频数据，利用计算机视觉计算方法提取独特的身份特征进而进行感知识别，识别准确度高，但是计算量巨大，容易侵犯个人隐私、且易受到光照条件以及障碍物的影响等；可穿戴传感器从人体各处的传感器获取运动数据，使用常见的分段技术对数据进行分段并提取特征实现细粒度的感知识别，但是它要求用户佩戴专用传感器，容易引起用户不适。