多人场景下个体行为与身份识别是无设备感知研究的难点和热点问题之一。由于多人场景的动态性和个体行为的隐匿性，识别个体行为与身份是制约目前大量研究广泛应用的主要瓶颈。我们考虑大多数常见多人场景，尤其是工作和居住场景中，存在大量的机会性单人活动窗口，设计了一个基于Wi-Fi信号的多人场景行为与身份识别方法—MulPi。首先，利用人数特征建模得到这一窗口的连续动作特征，并通过离线构造的孤立动作和连续动作特征库对实时采集的连续动作进行动作序列初判，进而利用双窗口嵌套算法进行连续动作分割，识别特定动作;然后，利用每个分割后的动作与用户动作特征进行相似度计算，得到每个动作身份的判分，进而对这些动作进行排序，从而得到用户身份;最后，MulPi在多个多人场景下被执行，性能评价的结果显示，MulPi在没有任何额外设备辅助下，仅仅利用商用Wi-Fi设备，即可实现多人场景下的身份识别。
万方数据
维普
