随着信息时代的发展,各种物联网相关的技术得到了蓬勃发展,人流量监测作为物联网应用之一,能够通过检测场馆或房间内的人员流动从而实现智慧场馆,尤其在如今后疫情时代,对辅助控制场馆人流量防止疫情扩散有着重要意义。现有的人流量监测系统主要集中于传感器、摄像设备等。基于传感器的方式检测人数少,基于摄像设备依赖环境程度大,需要良好的光线、视角,通用性受到极大的限制。这让不需要考虑环境光线、成本较低、易于部署的基于无线射频识别技术的人流量监测方法脱颖而出。因此,本文构建一个基于商用RFID的非接触式人流量监测系统。首先,由于信号是连续采集的,系统需要对连续的人流量进行分割再实现计数。由于连续人流数据量大且难以发现规律性,因此并不能直接对连续的人流量进行监测,为此需要对采集的人流量信号进行分段。对此本文提出基于KL散度的动态阈值信号分割方法。算法在KL散度的基础上,加入动态阈值,能够更准确检测人流的起止点,从而实现对采集信号中每一波行人进行精准分段,获得完整的人流量信息,为后续人流量监测做好准备。其次,本文验证信息熵和模糊熵与人数的关系,发现单一的熵信息无法很好的描述人流量特征。为了更好的分析采集到的信号,本文试验两种信号分解方法,一种是基于模糊聚类的标准搜索最优基,本文就核心判别函数进行改进;另一种则是基于经验模态分解的信号分解方法。在此基础上对人流信号片段进行分解,从而获得信号中更为精细的人流量信息,提取信号中的概括性特征。同时提取标签间的皮尔逊相关系数作为特征,为系统精度的提高做出贡献。最后,为了验证系统的性能,使用商用RFID设备在实验场景中实现系统进行实验。分别对两种信号分解方法以及接收信号强度和相位信号对系统精度的影响做出评估。在实验性能上,通过大量实验的对比,验证系统能够很好的进行人流量监测,即使在人数为8人的情况下的分类准确率依然能够达到92.5%。