智慧建筑（如健康养老、智慧医疗及低碳减排）在推动可持续城市与社会发展中具有重要作用。人行为监测在智慧建筑中的作用显著，不仅能够实现建筑环境与用户间的动态交互，还能有效提升人类安全、健康、舒适以及建筑能效。然而，高成本、侵犯隐私、低探测精度以及对侵入式可穿戴设备的依赖，限制了人行为识别技术的应用。为解决上述问题，本研究探索了基于Wi-Fi的室内人行为识别技术。为评估该技术在人行为识别上的精度与可行性，研究招募了10名大学生，针对5种简单的肢体动作采集了2500条信道状态信息（CSI）数据。在评估了7种分类算法后，作者选择双向长短期记忆网络（Bi-LSTM）作为人行为识别模型。实验结果表明，该模型的平均识别准确率达98.1%。此外，作者利用公开数据集验证了模型的有效性，其识别精度为87.5%。研究表明，基于Wi-Fi的技术能够有效克服现有局限性，为室内人行为识别提供一种更便捷、更私密、更低成本的解决方案，在智慧建筑领域具有广泛的应用前景。