10、基于Wi-Fi的人体检测与跟踪技术：DeMan与Widar系统解析

基于Wi-Fi的人体检测与跟踪技术：DeMan与Widar系统解析

1. DeMan系统：移动与静止人体的被动检测

DeMan是一个利用商用Wi-Fi设备同时检测移动和静止人体的统一框架。它通过利用信道状态信息（CSI）的幅度和相位信息来检测移动目标，对于静止人体，则利用正弦模型捕捉呼吸引起的无线信号周期性模式进行检测。为提高检测的准确性和鲁棒性，还利用了多个正交频分复用（OFDM）子载波的频率分集。

1.1 运动指标结果与整体性能

运动指标结果如图所示，包括人类存在、人类移动、人类呼吸、运动、静态和混淆等情况。混淆表示同时被推断为“运动”和“静态”的测量结果。整体性能通过以下表格展示：
| 方法 | 人类存在 - 移动 | 人类存在 - 呼吸 | 人类不存在 |
| — | — | — | — |
| DeMan | 94.82% | 93.33% | 96.25% |
| 基线 | 95.39% | 35.71% | 95.43% |

从表格中可以看出，DeMan在检测静止人体方面表现出色，尤其是在检测人类呼吸方面，显著优于基线方法。基线方法将大量静止情况与无人场景混淆，而DeMan通过将人类呼吸作为静止人体的指标，提高了检测准确性并扩展了检测能力。

1.2 呼吸率监测

DeMan不仅能准确检测静止人体，还能对呼吸率进行较为准确的估计。通过对35组1分钟的测量进行测试，发现大多数测试案例中，DeMan的呼吸率误差小于1 bpm。具体来说，视距（LOS）场景下的平均估计误差为0.86 bpm，非视距（NLOS）场景下为0.97 bpm。这表明DeMan在呼吸率估计方面与之