1.一种基于wifi的多房间定位方法，其特征在于，所述方法包括步骤：S010、预先训练分类型深度神经网络，将训练后的所述分类型深度神经网络作为第一深度神经网络；

S020、预先训练多个分别与房间标签对应的拟合型深度神经网络，将训练后的所述拟合型深度神经网络中的一个作为第二深度神经网络；

S100、采集检测区域中各个无线接入点接收待检测客户端所发信号的信号强度数据；

S200、将所述信号强度数据输入所述第一深度神经网络，经所述第一深度神经网络计算得到待检测客户端所在位置所属房间的房间标签；

S300、将所述信号强度数据输入与待检测客户端所在位置所属房间的房间标签一一对应的第二深度神经网络；经所述第二深度神经网络计算得到待检测客户端所在位置的预测位置坐标；

其中，所述步骤S010进一步包括步骤：

S011、对检测区域内的多个房间进行分类，为每个房间分配对应的房间标签；

S012、分别采集每个房间内各个无线接入点接收预设训练位置上训练终端所发的信号的信号强度数据，并结合对应的房间标签形成每个房间的训练样本数据，将所有房间的训练样本数据生成第一训练数据集输入分类型深度神经网络；

S013、依次将每个房间的训练样本数据输入所述分类型深度神经网络，经过所述深度神经网络输出相对应的训练结果；

S014、依次将输出的训练结果与其对应的所述预设训练位置所属房间的房间标签进行比较，根据比较结果对分类型深度神经网络进行训练，将训练后的分类型深度神经网络作为所述第一深度神经网络；

所述步骤S020进一步包括步骤：

S021、分别为每个房间建立一个与房间标签一一对应的拟合型深度神经网络；

S022、在每个房间分别建立平面直角坐标系，在所述平面直角坐标系中标出用于训练的训练位置坐标；

S023、分别将每个房间中的训练位置坐标以及各个无线接入点接收训练终端在每个训练位置坐标对应的位置上所发的信号的信号强度数据作为一组训练样本数据，生成每个房间的第二训练数据集，并送入与每个房间的房间标签相对应的拟合类深度神经网络中；

S024、依次将每个房间的每一组训练样本数据中的信号强度数据输入与房间标签对应的所述拟合型深度神经网络，经过所述拟合型深度神经网络输出相对应的训练结果；

S025、依次将输出的训练结果与其对应的训练位置坐标进行比较，根据比较结果对拟合型深度神经网络进行训练，将训练后的拟合型深度神经网络作为所述第二深度神经网络。

2.如权利要求1所述的基于wifi的多房间定位方法，其特征在于，所述步骤S025进一步包括步骤：按照下述公式分别将输出的训练结果与其对应的训练位置坐标进行比较：其中，σ表示输出的训练结果与其对应的预设训练位置坐标的误差；(X1,Y1)表示每次训练输出的训练结果；(X2,Y2)表示对应的训练位置坐标；

根据训练数据集中的每一组训练样本数据对所述拟合型深度神经网络进行训练，使得每次训练输出的训练结果与所述训练位置坐标进行比较后的误差σ收敛于预设范围内。

3.一种基于wifi的多房间定位服务器，其特征在于，包括：

第一训练模块，用于预先训练分类型深度神经网络，将训练后的所述分类型深度神经网络作为第一深度神经网络；

第二训练模块，用于预先训练多个分别与房间标签对应的拟合型深度神经网络，将训练后的所述拟合型深度神经网络中的一个作为第二深度神经网络；

数据采集模块，用于采集检测区域中各个无线接入点接收待检测客户端所发信号的信号强度数据；

分类模块，用于将所述信号强度数据输入所述第一深度神经网络，经所述第一深度神经网络计算得到待检测客户端所在位置所属房间的房间分类；

定位模块，用于将所述信号强度数据输入与待检测客户端所在位置所属房间的房间标签一一对应的第二深度神经网络；经所述第二深度神经网络计算得到待检测客户端所在位置的预测位置坐标；

其中，所述第一训练模块进一步包括：

房间分类子模块，用于对检测区域内的多个房间进行分类，为每个房间分配对应的房间标签；

第一训练数据集生成子模块，用于分别采集每个房间内各个无线接入点接收预设训练位置上训练终端所发的信号的信号强度数据，并结合对应的房间标签形成每个房间的训练样本数据，将所有房间的训练样本数据生成第一训练数据集输入分类型深度神经网络；

第一训练预测子模块，用于依次将每个房间的训练样本数据输入所述分类型深度神经网络，经过所述深度神经网络输出相对应的训练结果，依次将输出的训练结果与其对应的所述预设训练位置所属房间的房间标签进行比较，根据比较结果对分类型深度神经网络进行训练，将训练后的分类型深度神经网络作为所述第一深度神经网络；

所述第二训练模块进一步包括：

网络建立子模块，用于分别为每个房间建立一个与房间标签一一对应的拟合型深度神经网络；

坐标系建立子模块，在每个房间分别建立平面直角坐标系，在所述平面直角坐标系中标出用于训练的训练位置坐标；

第二训练数据集生成子模块，用于分别将每个房间中的训练位置坐标以及各个无线接入点接收训练终端在每个训练位置坐标对应的位置上所发的信号的信号强度数据作为一组训练样本数据，生成每个房间的第二训练数据集，并送入与每个房间的房间标签相对应的拟合类深度神经网络中；

第二训练预测子模块，用于依次将每个房间的每一组训练样本数据中的信号强度数据输入与房间标签对应的所述拟合型深度神经网络，经过所述拟合型深度神经网络输出相对应的训练结果，依次将输出的训练结果与其对应的训练位置坐标进行比较，根据比较结果对拟合型深度神经网络进行训练，将训练后的拟合型深度神经网络作为所述第二深度神经网络。

4.如权利要求3所述的基于wifi的多房间定位服务器，其特征在于，所述第二训练预测子模块按照下述公式分别将输出的训练结果与其对应的训练位置坐标进行比较：其中，σ表示输出的训练结果与其对应的训练位置坐标的误差；(X1,Y1)表示每次训练输出的训练结果；(X2,Y2)表示对应的训练位置坐标；

根据训练数据集中的每一组训练样本数据对所述拟合型深度神经网络进行训练，使得每次训练输出的训练结果与所述训练位置坐标进行比较后的误差σ收敛于预设范围内。