无线感知技术能够以非接触和非视距的方式全天候感知空间中的人体行为,在智能家居、应急救援以及社会安防等领域具有重要的意义,已逐渐成为近年来国内外的研究热点。其中,基于无线信号的人体姿态估计是对人体行为的细粒度表征,能够更直观且更准确地提供人体行为信息。更进一步,通过将无线信号与视觉信息结合,从而实现人体行为活动的全天候可视化将是一大创新性进展。然而,现有的无线人体姿态感知技术存在姿态估计精度不高、模型不够轻量化等问题,导致其无法满足实际应用需求,并且无线信号与视觉信息的多模态融合仍面临技术上的挑战。针对这些问题与挑战,本文从理论与应用出发开展了系统化的研究:从高精度到轻量级的无线人体姿态估计模型设计以拓展系统的应用场景,从无线单模态感知到无线与视觉的多模态融合以实现全天候的人体行为感知可视化,从使用毫米波雷达到利用家用WiFi设备以降低技术实现的硬件成本。具体而言,本文主要的研究内容与成果包括:1.提出了一个高精度的毫米波人体姿态估计模型。针对毫米波信号与人体姿态之间的结构特征差异而导致的跨域估计精度不高的问题,提出了一种基于最优传输理论的人体姿态估计方法,通过在特征空间上将毫米波信号映射到人体姿态域,然后再进行人体姿态估计,实现了高精度预测。2.提出了一个轻量级的毫米波人体姿态估计模型。针对实际应用场景下对便携式无线人体感知系统的需求,设计了一个从整体到局部的高效毫米波人体姿态估计框架,首先进行人体定位并裁剪信号,再基于姿态特征选择机制从小尺寸的信号热力图中有效提取姿态信息,最后进行姿态估计,在保证精度的同时,实现了可部署到移动端的轻量级模型。3.提出了一个多模态的人体姿态视觉合成模型。针对无线单模态感知结果缺乏视觉特征的局限,提出了一个融合视觉信息的多模态模型,在对抗学习框架下,首先基于特征相关性匹配实现完整准确的毫米波人体姿态表征,然后通过特征分布调节实现毫米波人体姿态表征与视觉信息的融合,进而生成人体姿态视觉图像,实现了无线人体姿态感知可视化。4.提出了一个基于家用无线设备的人体姿态感知模型。针对使用毫米波雷达感知人体而导致的硬件成本问题,提出了一个基于家用WiFi设备的人体姿态感知系统,首先从WiFi信号中合成粗粒度的人体姿态热力图,然后基于注意力机制将人体姿态与视觉信息逐元素结合来生成视觉图像,实现了基于WiFi的一体化人体姿态估计与视觉合成。综上所述,本文的研究工作在一定程度上解决了现有无线人体姿态估计技术所存在的问题,并且通过与视觉信息的结合实现了无线人体姿态感知的可视化,同时还研究了基于常见WiFi设备的一体化人体姿态估计与视觉合成模型,为后续工作提供了技术与方法的参考以及新的研究视角。