CN103376444B - 人体行为特征的识别方法和装置 - Google Patents
人体行为特征的识别方法和装置 Download PDFInfo
- Publication number
- CN103376444B CN103376444B CN201210107263.3A CN201210107263A CN103376444B CN 103376444 B CN103376444 B CN 103376444B CN 201210107263 A CN201210107263 A CN 201210107263A CN 103376444 B CN103376444 B CN 103376444B
- Authority
- CN
- China
- Prior art keywords
- matrix
- sum
- detection
- determining
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims abstract description 200
- 238000001514 detection method Methods 0.000 claims abstract description 142
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims description 127
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000033001 locomotion Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种人体行为特征的识别方法和装置。其中,人体行为特征的识别方法包括:多普勒传感器发射检测信号,并接收检测信号遇到目标人体后的回波信号;对检测信号和回波信号进行信号处理;将处理后的信号进行时频变换,得到三维坐标;根据三维坐标确定检测矩阵,其中,检测矩阵用于表示目标人体遇到检测信号时的行为特征;从预存的特征数据库中查找与检测矩阵对应的行为特征;以及将查找到的行为特征作为目标人体的行为特征。通过本发明,解决了现有技术中无法精确识别人体行为特征的问题,进而达到了准确识别人体行为特征的效果。
Description
技术领域
本发明涉及人体行为特征识别领域,具体而言,涉及一种人体行为特征的识别方法和装置。
背景技术
在论文名称为《人体微动雷达特征研究》的文献中公开了一种基于雷达微多普勒特征进行人体步态识别的方法,但是,该识别方案在识别目标人体的行为特征是只是简单地以目标人体的躯干和四肢动作作为参考变量,得到的人体行为特征的的判断结果不够精确;并且该文献中对于人体行为特征的识别需要在目标人体进行位置移动的情况下才能识别人体行为特征,对于没有位置移动情况下的目标人体的行为特征(比如非步态下的跳跃、弯腰、转身等)无法识别。
针对相关技术中无法精确识别人体行为特征的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种人体行为特征的识别方法和装置,以解决现有技术中无法精确识别人体行为特征的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种人体行为特征的识别方法,包括:多普勒传感器发射检测信号,并接收检测信号遇到目标人体后的回波信号;对检测信号和回波信号进行信号处理;将处理后的信号进行时频变换,得到三维坐标,其中,三维坐标中的第一维坐标表示回波信号的接收时间,三维坐标中的第二维坐标表示回波信号的频率,三维坐标中的第三维坐标表示回波信号的能量幅度;根据三维坐标确定检测矩阵,其中,检测矩阵用于表示目标人体遇到检测信号时的行为特征;从预存的特征数据库中查找与检测矩阵对应的行为特征,其中,在特征数据库中存储有用于表示不同行为特征的多个矩阵;以及将查找到的行为特征作为目标人体的行为特征。
进一步地,从预存的特征数据库中查找与检测矩阵对应的行为特征包括:从特征数据库中查找与检测矩阵对应的目标矩阵,其中,目标矩阵与检测矩阵之间的对应元素的差值的平方和小于预设值;以及获取目标矩阵对应的行为特征,其中,将目标矩阵对应的行为特征作为目标人体的行为特征。
进一步地,目标矩阵包括第一目标矩阵和第二目标矩阵,其中,从特征数据库查找到目标矩阵之后,识别方法还包括:计算第一平方和,其中,第一平方和为检测矩阵与第一目标矩阵之间的对应元素的差值的平方和;计算第二平方和,其中,第二平方和为检测矩阵与第二目标矩阵之间的对应元素的差值的平方和;比较第一平方和与第二平方和的大小,其中,若第一平方和小于第二平方和,则确定第一目标矩阵对应的行为特征为目标人体的行为特征;若第一平方和大于第二平方和,则确定第二目标矩阵对应的行为特征为目标人体的行为特征;以及若第一平方和等于第二平方和,则由多普勒传感器重新发射检测信号,并接收检测信号遇到目标人体后的回波信号。
进一步地,从预存的特征数据库中查找与检测矩阵相对应的行为特征包括:计算第一平方和,其中,第一平方和为检测矩阵与第一目标矩阵对应元素的差值的平方和,第一目标矩阵为从特征数据库中查找到的任意一个矩阵;计算第二平方和,其中,第二平方和为检测矩阵与第二目标矩阵对应元素的差值的平方和,第二目标矩阵为从特征数据库中查找到的任意一个矩阵,且第二目标矩阵不同于第一目标矩阵;比较第一平方和与第二平方和的大小;若第一平方和小于第二平方和,则确定第一目标矩阵对应的行为特征为目标人体的行为特征;若第一平方和大于第二平方和,则确定第二目标矩阵对应的行为特征为目标人体的行为特征;以及若第一平方和等于第二平方和,则由多普勒传感器重新发射检测信号,并接收检测信号遇到目标人体后的回波信号。
进一步地,根据三维坐标确定检测矩阵包括:根据三维坐标确定第一检测矩阵,其中,第一检测矩阵表示回波信号的频率与接收时间之间的对应关系;以及根据三维坐标确定第二检测矩阵,其中,第二检测矩阵表示回波信号的能量幅度与接收时间之间的对应关系,检测矩阵包括第一检测矩阵与第二检测矩阵。
进一步地,通过以下方式根据三维坐标确定第一检测矩阵:将接收时间按照预设采样周期划分为多个采样区间;将第一采样区间按照预设切片周期划分为多个时间切片,其中,第一采样区间为多个采样区间中的任一采样区间,预设采样周期大于预设切片周期;获取第一时间切片中的第一类坐标元素,其中,第一类坐标元素的幅度值大于预设幅度值,第一时间切片为第一采样区间的多个时间切片中的任意一个时间切片;计算第一采样区间的各个时间切片中的第一类坐标元素的最大频率值之和;确定计算出的最大频率值之和为回波信号在第一采样区间的频率;以及根据回波信号在多个采样区间内的频率确定第一检测矩阵。
进一步地,通过以下方式根据三维坐标确定第二检测矩阵:将接收时间按照预设采样周期划分为多个采样区间;将第一采样区间按照预设切片周期划分为多个时间切片,其中,第一采样区间为多个采样区间中的任一采样区间,预设采样周期大于预设切片周期;获取第一时间切片中的第二类坐标元素,其中,第二类坐标元素的频率值各不相同,第一时间切片为第一采样区间的多个时间切片中的任意一个时间切片;计算第一采样区间的各个时间切片中的第二类坐标元素的能量幅度值之和;确定计算出的能量幅度值之和为回波信号在第一采样区间的能量幅度;以及根据回波信号在多个采样区间内的能量幅度确定第二检测矩阵。
为了实现上述目的,根据本发明的另一方面,提供了一种人体行为特征的识别装置,包括:多普勒传感器单元,用于发射检测信号,并接收检测信号遇到目标人体后的回波信号;信号处理单元,与多普勒传感器单元相连接,用于对检测信号和回波信号进行信号处理;变换单元,与信号处理单元相连接,用于将处理后的信号进行时频变换,得到三维坐标,其中,三维坐标中的第一维坐标表示回波信号的接收时间,三维坐标中的第二维坐标表示回波信号的频率,三维坐标中的第三维坐标表示回波信号的能量幅度;第一确定单元,与变换单元相连接,用于根据三维坐标确定检测矩阵,其中,检测矩阵用于表示目标人体遇到检测信号时的行为特征;查找单元,与第一确定单元相连接,用于从预存的特征数据库中查找与检测矩阵对应的行为特征,其中,在特征数据库中存储有用于表示不同行为特征的多个矩阵;以及第二确定单元,与查找单元相连接,用于将查找到的行为特征作为目标人体的行为特征。
进一步地,第一确定单元包括:第一确定子单元,连接在变换单元和查找单元之间,用于根据三维坐标确定第一检测矩阵,其中,第一检测矩阵表示回波信号的频率与接收时间之间的对应关系;以及第二确定子单元,连接在变换单元和查找单元之间,用于根据三维坐标确定第二检测矩阵,其中,第二检测矩阵表示回波信号的能量幅度与接收时间之间的对应关系。
进一步地,第一确定子单元包括:第一划分模块,与变换单元相连接,用于将接收时间按照预设采样周期划分为多个采样区间;第二划分模块,与第一划分模块相连接,用于将第一采样区间按照预设切片周期划分为多个时间切片,其中,第一采样区间为多个采样区间中的任一采样区间,预设采样周期大于预设切片周期;第一获取模块,与第二划分模块相连接,用于获取第一时间切片中的第一类坐标元素,其中,第一类坐标元素的幅度值大于预设幅度值,第一时间切片为第一采样区间的多个时间切片中的任意一个时间切片;第一计算模块,与第一获取模块相连接,用于计算第一采样区间的各个时间切片中的第一类坐标元素的最大频率值之和;第一确定模块,与第一计算模块相连接,用于确定计算出的最大频率值之和为回波信号在第一采样区间的频率;以及第二确定模块,连接在第一确定模块和查找单元之间,用于根据回波信号在多个采样区间内的频率确定第一检测矩阵。
进一步地,第二确定子单元包括:第三划分模块,与变换单元相连接,用于将接收时间按照预设采样周期划分为多个采样区间;第四划分模块,与第三划分模块相连接,用于将第一采样区间按照预设切片周期划分为多个时间切片,其中,第一采样区间为多个采样区间中的任一采样区间,预设采样周期大于预设切片周期;第二获取模块,与第四划分模块相连接,用于获取第一时间切片中的第二类坐标元素,其中,第二类坐标元素的频率值各不相同,第一时间切片为第一采样区间的多个时间切片中的任意一个时间切片;第二计算模块,与第二获取模块相连接,用于计算第一采样区间的各个时间切片中的第二类坐标元素的能量幅度值之和;第三确定模块,与第二计算模块相连接,用于确定计算出的能量幅度值之和为回波信号在第一采样区间的能量幅度;以及第四确定模块,连接在第三确定模块和查找单元之间,用于根据回波信号在多个采样区间内的能量幅度确定第二检测矩阵。
通过本发明,采用多普勒传感器发射检测信号,并接收检测信号遇到目标人体后的回波信号;对检测信号和回波信号进行信号处理;将处理后的信号进行时频变换,得到三维坐标,其中,三维坐标中的第一维坐标表示回波信号的接收时间,三维坐标中的第二维坐标表示回波信号的频率,三维坐标中的第三维坐标表示回波信号的能量幅度;根据三维坐标确定检测矩阵,其中,检测矩阵用于表示目标人体遇到检测信号时的行为特征;从预存的特征数据库中查找与检测矩阵对应的行为特征,其中,在特征数据库中存储有用于表示不同行为特征的多个矩阵;以及将查找到行为特征作为目标人体的行为特征,通过对检测信号和回波信号进行信号处理,再对处理后的信号进行时频变化得到三维坐标,由于三维坐标既包含对目标人体进行检测时接收到回波信号的接收时间,又包含每一次接收到的回波信号的频率和能量幅度,而回波信号的频率和能领幅度与目标人体的运动部位以及不同部位的运动速度和部位面积都有关系,因此通过回波信号能够准确确定人体的行为特征,而三维坐标是对回波信号的一种良好的量化表现形式,根据三维空间数据确定出检测矩阵,然后通过查找预设特征数据库确定目标人体的行为特征,由于在预设特征数据库中存储有人体不同行为特征所对应的矩阵,通过对检测矩阵和预存的矩阵进行对比,能够准确地确定目标人体的行为特征,解决了现有技术中无法精确识别人体行为特征的问题,进而达到了准确识别人体行为特征的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的识别装置的示意图;
图2是根据本发明实施例的识别方法的流程图;
图3是根据本发明实施例的识别方法进行信号处理的示意图;
图4是根据本发明实施例的识别方法得到的三维坐标的时频图;
图5是根据本发明实施例的识别方法得到的时间-频率图;以及
图6是根据本发明实施例的识别方法得到的时间-能量图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明实施例提供了一种人体行为特征的识别装置,图1是根据本发明实施例的人体行为特征识别装置的示意图,如图1所示,该实施例的识别装置包括多普勒传感器单元10、信号处理单元20、变换单元30、第一确定单元40、查找单元50和第二确定单元60。
其中,多普勒传感器单元10通过其发射端的雷达天线向外发射扫描检测信号,当检测信号遇到目标人体后会产生回波信号,多普勒传感器单元10的接收端接收所产生的回波信号;信号处理单元20可以包括混频器、放大器和滤波器,回波信号和检测信号经由混频器混频后,再由放大器和滤波器分别对混频后的信号进行放大滤波,以得到能够用于后续使用的信号;变换单元30对经由信号处理单元处理后的信号进行时频变换,将包含人体行为特征的电平信号转换成三维坐标,其中,三维坐标的第一维坐标代表目标人体的运动时间信息(可以用接收到回波信号时的接收时间来表示),第二维坐标代表目标人体的运动频率信息(可以用接收到的回波信号的频率来表示),第三维坐标代表目标人体的运动幅度信息(可以用接收到的回波信号的能量幅度来表示);第一确定单元40根据三维坐标确定出能够表示人体行为特征的检测矩阵;查找单元50在预存的特征数据库中查找与检测矩阵对应的行为特征,其中,特征数据库中存储有用于表示人体不同行为特征的不同矩阵,该特征数据库中的数据可以通过实验的方式进行确定(在本发明实施例的以下描述中会提供一种确定特征数据库中数据的方法);然后由第二确定单元60将查找单元50获取到的行为特征作为目标人体的行为特征。
通过对检测信号和回波信号进行信号处理,再对处理后的信号进行时频变化得到三维坐标,由于三维坐标既包含对目标人体进行检测时接收到回波信号的接收时间,又包含每一次接收到的回波信号的频率和能量幅度,而回波信号的频率和能量幅度与目标人体的运动部位以及不同部位的运动速度和部位面积都有关系,因此通过回波信号能够准确确定人体的行为特征,而三维坐标是对回波信号的一种良好的量化表现形式,根据三维空间数据确定出检测矩阵,然后通过查找预设特征数据库确定目标人体的行为特征,由于在预设特征数据库中存储有人体不同行为特征所对应的矩阵,通过对检测矩阵和预存的矩阵进行对比,能够准确地确定目标人体的行为特征,解决了现有技术中无法精确识别人体行为特征的问题,进而达到了准确识别人体行为特征的效果。
具体地,第一确定单元40可以包括两个确定子单元,分别用于根据三维坐标确定表示回波信号频率与采样时间之间的对应关系的“时间-频率矩阵”和根据三维坐标确定表示回波信号幅度与采样时间之间的对应关系的“时间-幅度矩阵”,其中,确定“时间-频率矩阵”可以通过第一划分模块、第二划分模块、第一获取模块、第一计算模块、第一确定模块和第二确定模块来实现,即,由第一划分模块将接收时间按照预设采样周期划分为多个采样区间,由第二划分模块将每一个采样区间都按照预设的切片周期划分为多个时间切片,预设采样周期大于预设切片周期,并且这两个预设时间均可以根据具体需求的精确度进行实际设定,然后由第一获取模块获取每个采样区间内各个时间切片中的第一类坐标元素,第一类坐标元素的幅度值大于一定的幅度值(该预设幅度值可以根据实验经验进行设定),由第一计算单元分别计算第一采样区间内各个时间切片内的第一类坐标元素的最大频率值之和,计算第二采样区间内各个时间切片内的第一类坐标元素的最大频率值之和及计算第n个采样区间内各个时间切片内的第一类坐标元素的最大频率值之和,由于时间切片内的最大频率值能够表征人体运动时局部部位可以达到的最快速度,因此第一确定模块将计算出的每一个采样区间内各个时间切片的第一坐标元素的最大频率值分别作为作为回波信号在各个采样区间内的频率,第二确定模块由各个采样区间及各个采样区间的频率确定出“时间-频率矩阵”;同理,“时间-幅度矩阵”也可以通过类似的模块来实现,即,由第三划分模块将接收时间按照预设采样周期划分为多个采样区间,由第四划分模块将每一个采样区间都按照预设的切片周期划分为多个时间切片,预设采样周期大于预设切片周期,并且这两个预设时间均可以根据具体需求的精确度进行实际设定,然后由第二获取模块获取每个采样区间内各个时间切片中的第二类坐标元素,第二类坐标元素的频率值是各不相同的,由第二计算模块计算分别各个采样区间内各个时间切片内的第二类坐标元素的能量幅度值之和,由于能量总和能够表征目标人体运动时参与有效运动的部位面积,因此第三确定模块将计算出的每一个采样区间内各个时间切片内的第二坐标元素的幅度值之和分别作为回波信号在各个采样区间内的能量(幅度),第四确定模块由各个采样区间及各个采样区间的幅度确定出“时间-幅度矩阵”。然后,在特征数据库中查找同时与“时间-幅度矩阵”和“时间-频率矩阵”对应的行为特征作为目标人体的行为特征。
通过从三维坐标中提取出能够反应人体行为特征的多个矩阵,使得对于人体行为特征的判断更加精确。
本发明实施例还提供了一种人体行为特征的识别方法,该识别方法可以通过本发明实施例所提供的识别装置来执行,图2是根据本发明实施例的识别方法的流程图,如图2所示,该实施例的识别方法包括步骤S202至步骤S212。
S202:多普勒传感器发射检测信号,并接收检测信号遇到目标人体后的回波信号。具体地,多普勒传感器通过其发射端的雷达天线向外发射扫描检测信号,当检测信号遇到目标人体后会产生回波信号,多普勒传感器的接收端接收所产生的回波信号。
S204:对检测信号和回波信号进行信号处理。具体地,对回波信号进行处理的过程如图3所示,回波信号和检测信号可以先经由混频器混频,再由放大器和滤波器分别对混频后的信号进行放大滤波,以得到能够用于后续使用的信号。
S206:将处理后的信号进行时频变换,得到三维坐标,其中,利用三维坐标表示人体行为特征的时频图如图4所示,三维坐标的第一维坐标代表目标人体的运动时间信息(可以用接收到回波信号时的接收时间来表示),第二维坐标代表目标人体的运动频率信息(可以用接收到的回波信号的频率来表示),第三维坐标代表目标人体的运动幅度信息(可以用接收到的回波信号的能量幅度来表示)。
S208:根据三维坐标确定检测矩阵,其中,检测矩阵用于表示目标人体遇到检测信号时的行为特征。
S210:从预存的特征数据库中查找与检测矩阵对应的行为特征,其中,在特征数据库中存储有用于表示不同行为特征的多个矩阵。具体地,该特征数据库中的数据可以通过实验的方式进行确定(在本发明实施例的以下描述中会提供一种确定特征数据库中数据的方法)。
S212:将获取到行为特征作为目标人体的行为特征。
通过对检测信号和回波信号进行信号处理,再对处理后的信号进行时频变化得到三维坐标,由于三维坐标既包含对目标人体进行检测时接收到回波信号的接收时间,又包含每一次接收到的回波信号的频率和能量幅度,而回波信号的频率和能领幅度与目标人体的运动部位以及不同部位的运动速度和部位面积都有关系,因此通过回波信号能够准确确定人体的行为特征,而三维坐标是对回波信号的一种良好的量化表现形式,根据三维空间数据确定出检测矩阵,然后通过查找预设特征数据库确定目标人体的行为特征,由于在预设特征数据库中存储有人体不同行为特征所对应的矩阵,通过对检测矩阵和预存的矩阵进行对比,能够准确地确定目标人体的行为特征,解决了现有技术中无法精确识别人体行为特征的问题,进而达到了准确识别人体行为特征的效果。
其中,步骤S210可以具体划分为以下步骤:首先,在特征数据库中获取目标矩阵,该目标矩阵需满足以下条件,假设目标矩阵为A=(a1 a2 a3),得到的检测矩阵为C=(a′1 a′2 a′3),目标矩阵需满足的条件为:[(a1-a′1)2+(a2-a′2)2+(a3-a′3)2]<A0,其中,A0可以根据经验值进行设定(理想情况下,A0为零,但是在实际中,不可能将人体行为特征对应的目标矩阵做穷尽的列举,所以,可以在误差允许范围内对A0进行设定)。其次,获取与目标矩阵相对应的行为特征,并将该行为特征作为目标人体的行为特征。
进一步地,如果获取到的满足条件[(a1-a′1)2+(a2-a′2)2+(a3-a′3)2]<A0的目标矩阵为多个,则逐一比较各个目标矩阵与检测矩阵之间对应元素的差值的平方和大小,确定出与检测矩阵之间对应元素的的差值的平方和最小的一个目标矩阵,将该目标矩阵对应的行为特征作为目标人体的行为特征。以获取到的满足条件的目标矩阵为两个进行举例说明,假设第一目标矩阵为A=(a11 a21 a31),第二目标矩阵为A=(a12 a22 a32),则比较[(a11-a′1)2+(a21-a′2)2+(a31-a′3)2]与[(a12-a′1)2+(a22-a′2)2+(a32-a′3)2]的大小,
如果[(a11-a′1)2+(a21-a′2)2+(a31-a′3)2]<[(a12-a′1)2+(a22-a′2)2+(a32-a′3)2],则将第一目标矩阵对应的行为特征作为目标人体的行为特征;
如果[(a11-a′1)2+(a21-a′2)2+(a31-a′3)2]>[(a12-a′1)2+(a22-a′2)2+(a32-a′3)2],则将第二目标矩阵对应的行为特征作为目标人体的行为特征;
如果[(a11-a′1)2+(a21-a′2)2+(a31-a′3)2]=[(a12-a′1)2+(a22-a′2)2+(a32-a′3)2],则重新发送检测信号,以后一次发送和接收到的回波信号为基础,重新执行上述步骤,直至得到目标人体的行为特征。
其中,步骤S210还可以具体划分为以下步骤:首先,计算检测矩阵与特征数据库中的任意一个矩阵之间的对应元素的差值的平方和,然后,则通过欧氏距离法确定出与检测矩阵之间的对应元素的系数的差值的平方和最小的一个目标矩阵,将该目标矩阵对应的行为特征作为目标人体的行为特征。
其中,步骤S208包括:根据三维坐标确定表示回波信号频率与接收时间之间的对应关系的“时间-频率矩阵”和根据三维坐标确定表示回波信号幅度与接收时间之间的对应关系的“时间-幅度矩阵”,确定“时间-频率矩阵”可以通过以下步骤来实现,首先,将接收时间按照预设采样周期划分为多个采样区间,再将每一个采样区间都按照预设的切片周期划分为多个时间切片,预设采样周期大于预设切片周期,并且这两个预设时间均可以根据具体需求的精确度进行实际设定,获取每个采样区间内各个时间切片中的第一类坐标元素,第一类坐标元素需满足的条件是:第一类坐标元素的幅度值大于一个预设的幅度值(该预设幅度值可以根据实验经验设定),分别计算第一采样区间各时间切片内的第一类坐标元素的最大频率值之和,计算第二采样区间各时间切片内的第一类坐标元素的最大频率值之和及计算第n个采样区间各时间切片内的第一类坐标元素的最大频率值之和,由于时间切片内的最大频率值能够表征人体运动时局部部位可以达到的最快速度,因此将计算出的每一个采样区间内各个时间切片内的第一坐标元素的最大频率值之和分别作为回波信号在各个采样区间内的频率,以此压缩时间轴;最后,由各个采样区间及各个采样区间的频率确定出“时间-频率矩阵”,其中,“时间-频率矩阵”对应的时间-频率图如图5所示;同理,“时间-幅度矩阵”也可以通过类似的方法步骤来实现,即,首先将接收时间按照预设采样周期划分为多个采样区间,再将每一个采样区间都按照预设的切片周期划分为多个时间切片,预设采样周期大于预设切片周期,并且这两个预设时间均可以根据具体需求的精确度进行实际设定,获取每个采样区间内各个时间切片中的第二类坐标元素,第二类坐标元素需满足的条件是:第二类坐标元素的频率值是各不相同的;其次,分别计算各个采样区间内各个时间切片内的第二类坐标元素的幅度值之和,由于能量总和能够表征目标人体运动时参与有效运动的部位面积,因此将计算出的每一个采样区间内各个时间切片内的第二坐标元素的幅度值之和分别作为回波信号在各个采样区间内的能量(幅度);最后,由各个采样区间及各个采样区间的幅度确定出“时间-幅度矩阵”,其中,“时间-幅度矩阵”对应的时间-能量图如图6所示。
确定出“时间-幅度矩阵”和“时间-频率矩阵”之后,查找特征数据库以获取同时与“时间-幅度矩阵”和“时间-频率矩阵”对应的行为特征,并将获取到的行为特征作为目标人体的行为特征。假设检测矩阵的“时间-幅度矩阵”和“时间-频率矩阵”分别为AE=(a1E a2E a3E)、AF=(a1F a2F a3F),从特征数据库中获取到的目标矩阵C=CE+CF=(a′1E a′2E a′3E)+(a′1F a′2F a′3F),该目标矩阵需满足的条件是[(a1E-a1E′)2+(a2E-a2E′)2+(a3E-a3E′)2+(a1F-a1F′)2+(a2F-a2F′)2+(a3F-a3F′)2]<A0,然后将该目标矩阵对应的行为特征作为目标人体的行为特征,如果检测到的满足条件[(a1E-a1E′)2+(a2E-a2E′)2+(a3E-a3E′)2+(a1F-a1F′)2+(a2F-a2F′)2+(a3F-a3F′)2]<A0的目标矩阵为多个,则逐一比较各个目标矩阵与检测矩阵之间的对应元素的差值的平方和大小,确定出与检测矩阵之间的对应元素的差值的平方和最小的一个目标矩阵,将该目标矩阵对应的行为特征作为目标人体的行为特征。
在本发明实施例的识别方法中主要通过回波信号中的最大频率和幅度(能量)总和这两个参数来进行人体行为特征的表征,但是本发明实施例并不限于这两个参数,回波信号中的其它可以表征参与人体运动的有效部位数,或可以表征参与人体运动的有效部位,或与有效部位对应的不同速度,或对应不同速度的速度波动性等涉及有效运动部位的参数也均可以作为人体行为特征识别的参照,当然不同类型的参数可能会涉及对采样时间的压缩处理以及压缩后对人体运动有效部位的判断。
由于回波信号中的最大频率参数能够表征人体运动时局部部位可以达到的最快速度,幅度(能量)总和参数表征人体运动时的参与有效运动的部位面积。因此通过上述对时间切片内频率和幅度的计算,从三维坐标中提取出能够反应人体行为特征的多个矩阵,进而获取目标矩阵,使得对于人体行为特征的判断更加精确。
在本发明实施例的识别方法中,预设的特征数据库中的数据可以通过实验的方法来获取,举出一种建立特征数据库的方法:
将20个高矮胖瘦有显著差别的对象人体的不同运动信息记录下来,并依照“时间-频率”和“时间-能量”分别进行数据处理,然后对每种运动的20组不同的数据进行平均运算,形成不同运动的“时间-频率”和“时间-能量”的2组平均后的坐标,并将他们存储起来形成动作数据库,数据库的目标矩阵用【F(t)+E(t)】表示,其中,F(t)为“时间-频率”矩阵表达式,E(t)为“时间-能量”矩阵表达式;
将新检测得到的“时间-频率”矩阵和“时间-能量”矩阵2个矩阵,按权重各自为50%形成一个检测矩阵【f(t)+e(t)】,其中,f(t)为第一检测矩阵,表示新检测动作的“时间-频率”矩阵,e(t)为第二检测矩阵,表示新检测动作的“时间-能量”矩阵。用此矩阵与数据库的不同动作特征对应的矩阵作对比,通过欧式距离法寻找检测矩阵与多个目标矩阵之间对应元素差值的平方和的最小值,表达式如下:
Min{[F(t)-f(t)]2+[E(t)-e(t)]2}
通过欧氏距离法确定出与检测矩阵之间的对应元素的差值的平方和最小的一个目标矩阵,以将该目标矩阵对应的行为特征作为目标人体的行为特征。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种人体行为特征的识别方法,其特征在于,包括:
多普勒传感器发射检测信号,并接收所述检测信号遇到目标人体后的回波信号;
对所述检测信号和所述回波信号进行信号处理;
将处理后的信号进行时频变换,得到三维坐标,其中,所述三维坐标中的第一维坐标表示所述回波信号的接收时间,所述三维坐标中的第二维坐标表示所述回波信号的频率,所述三维坐标中的第三维坐标表示所述回波信号的能量幅度;
根据所述三维坐标确定检测矩阵,其中,所述检测矩阵用于表示所述目标人体遇到所述检测信号时的行为特征;
从预存的特征数据库中查找与所述检测矩阵对应的行为特征,其中,在所述特征数据库中存储有用于表示不同行为特征的多个矩阵;以及
将查找到的行为特征作为所述目标人体的行为特征,
其中,根据所述三维坐标确定检测矩阵包括:
根据所述三维坐标确定第一检测矩阵,其中,所述第一检测矩阵表示所述回波信号的频率与所述接收时间之间的对应关系;以及
根据所述三维坐标确定第二检测矩阵,其中,所述第二检测矩阵表示所述回波信号的能量幅度与所述接收时间之间的对应关系,
所述检测矩阵包括所述第一检测矩阵与所述第二检测矩阵,
通过以下方式根据所述三维坐标确定第一检测矩阵:
将所述接收时间按照预设采样周期划分为多个采样区间;
将第一采样区间按照预设切片周期划分为多个时间切片,其中,所述第一采样区间为所述多个采样区间中的任一采样区间,所述预设采样周期大于所述预设切片周期;
获取第一时间切片中的第一类坐标元素,其中,所述第一类坐标元素的幅度值大于预设幅度值,所述第一时间切片为所述第一采样区间的多个时间切片中的任意一个时间切片;
计算所述第一采样区间的各个时间切片中的所述第一类坐标元素的最大频率值之和;
确定计算出的最大频率值之和为所述回波信号在所述第一采样区间的频率;以及
根据所述回波信号在所述多个采样区间内的频率确定所述第一检测矩阵。
2.根据权利要求1所述的识别方法,其特征在于,从预存的特征数据库中查找与所述检测矩阵对应的行为特征包括:
从所述特征数据库中查找与所述检测矩阵对应的目标矩阵,其中,所述目标矩阵与所述检测矩阵之间的对应元素的差值的平方和小于预设值;以及
获取所述目标矩阵对应的行为特征,
其中,将所述目标矩阵对应的行为特征作为所述目标人体的行为特征。
3.根据权利要求2所述的识别方法,其特征在于,所述目标矩阵包括第一目标矩阵和第二目标矩阵,其中,从所述特征数据库查找到所述目标矩阵之后,所述识别方法还包括:
计算第一平方和,其中,所述第一平方和为所述检测矩阵与第一目标矩阵之间的对应元素的差值的平方和;
计算第二平方和,其中,所述第二平方和为所述检测矩阵与第二目标矩阵之间的对应元素的差值的平方和;
比较所述第一平方和与所述第二平方和的大小,
其中,
若所述第一平方和小于所述第二平方和,则确定所述第一目标矩阵对应的行为特征为所述目标人体的行为特征;
若所述第一平方和大于所述第二平方和,则确定所述第二目标矩阵对应的行为特征为所述目标人体的行为特征;以及
若所述第一平方和等于所述第二平方和,则由所述多普勒传感器重新发射所述检测信号,并接收所述检测信号遇到目标人体后的回波信号。
4.根据权利要求1所述的识别方法,其特征在于,从预存的特征数据库中查找与所述检测矩阵相对应的行为特征包括:
计算第一平方和,其中,所述第一平方和为所述检测矩阵与第一目标矩阵对应元素的差值的平方和,所述第一目标矩阵为从所述特征数据库中查找到的任意一个矩阵;
计算第二平方和,其中,所述第二平方和为所述检测矩阵与第二目标矩阵对应元素的差值的平方和,所述第二目标矩阵为从所述特征数据库中查找到的任意一个矩阵,且所述第二目标矩阵不同于所述第一目标矩阵;
比较所述第一平方和与所述第二平方和的大小;
若所述第一平方和小于所述第二平方和,则确定所述第一目标矩阵对应的行为特征为所述目标人体的行为特征;
若所述第一平方和大于所述第二平方和,则确定所述第二目标矩阵对应的行为特征为所述目标人体的行为特征;以及
若所述第一平方和等于所述第二平方和,则由所述多普勒传感器重新发射所述检测信号,并接收所述检测信号遇到目标人体后的回波信号。
5.根据权利要求1所述的识别方法,其特征在于,通过以下方式根据所述三维坐标确定第二检测矩阵:
将所述接收时间按照预设采样周期划分为多个采样区间;
将第一采样区间按照预设切片周期划分为多个时间切片,其中,所述第一采样区间为所述多个采样区间中的任一采样区间,所述预设采样周期大于所述预设切片周期;
获取第一时间切片中的第二类坐标元素,其中,所述第二类坐标元素的频率值各不相同,所述第一时间切片为所述第一采样区间的多个时间切片中的任意一个时间切片;
计算所述第一采样区间的各个时间切片中的所述第二类坐标元素的能量幅度值之和;
确定计算出的能量幅度值之和为所述回波信号在所述第一采样区间的能量幅度;以及
根据所述回波信号在所述多个采样区间内的能量幅度确定所述第二检测矩阵。
6.一种人体行为特征的识别装置,其特征在于,包括:
多普勒传感器单元,用于发射检测信号,并接收所述检测信号遇到目标人体后的回波信号;
信号处理单元,与所述多普勒传感器单元相连接,用于对所述检测信号和所述回波信号进行信号处理;
变换单元,与所述信号处理单元相连接,用于将处理后的信号进行时频变换,得到三维坐标,其中,所述三维坐标中的第一维坐标表示所述回波信号的接收时间,所述三维坐标中的第二维坐标表示所述回波信号的频率,所述三维坐标中的第三维坐标表示所述回波信号的能量幅度;
第一确定单元,与所述变换单元相连接,用于根据所述三维坐标确定检测矩阵,其中,所述检测矩阵用于表示所述目标人体遇到所述检测信号时的行为特征;
查找单元,与所述第一确定单元相连接,用于从预存的特征数据库中查找与所述检测矩阵对应的行为特征,其中,在所述特征数据库中存储有用于表示不同行为特征的多个矩阵;以及
第二确定单元,与所述查找单元相连接,用于将查找到的行为特征作为所述目标人体的行为特征,
其中,所述第一确定单元包括:
第一确定子单元,连接在所述变换单元和所述查找单元之间,用于根据所述三维坐标确定第一检测矩阵,其中,所述第一检测矩阵表示所述回波信号的频率与所述接收时间之间的对应关系;以及
第二确定子单元,连接在所述变换单元和所述查找单元之间,用于根据所述三维坐标确定第二检测矩阵,其中,所述第二检测矩阵表示所述回波信号的能量幅度与所述接收时间之间的对应关系,
所述第一确定子单元包括:
第一划分模块,与所述变换单元相连接,用于将所述接收时间按照预设采样周期划分为多个采样区间;
第二划分模块,与所述第一划分模块相连接,用于将第一采样区间按照预设切片周期划分为多个时间切片,其中,所述第一采样区间为所述多个采样区间中的任一采样区间,所述预设采样周期大于所述预设切片周期;
第一获取模块,与所述第二划分模块相连接,用于获取第一时间切片中的第一类坐标元素,其中,所述第一类坐标元素的幅度值大于预设幅度值,所述第一时间切片为所述第一采样区间的多个时间切片中的任意一个时间切片;
第一计算模块,与所述第一获取模块相连接,用于计算所述第一采样区间的各个时间切片中的所述第一类坐标元素的最大频率值之和;
第一确定模块,与所述第一计算模块相连接,用于确定计算出的最大频率值之和为所述回波信号在所述第一采样区间的频率;以及
第二确定模块,连接在所述第一确定模块和所述查找单元之间,用于根据所述回波信号在所述多个采样区间内的频率确定所述第一检测矩阵。
7.根据权利要求6所述的识别装置,其特征在于,所述第二确定子单元包括:
第三划分模块,与所述变换单元相连接,用于将所述接收时间按照预设采样周期划分为多个采样区间;
第四划分模块,与所述第三划分模块相连接,用于将第一采样区间按照预设切片周期划分为多个时间切片,其中,所述第一采样区间为所述多个采样区间中的任一采样区间,所述预设采样周期大于所述预设切片周期;
第二获取模块,与所述第四划分模块相连接,用于获取第一时间切片中的第二类坐标元素,其中,所述第二类坐标元素的频率值各不相同,所述第一时间切片为所述第一采样区间的多个时间切片中的任意一个时间切片;
第二计算模块,与所述第二获取模块相连接,用于计算所述第一采样区间的各个时间切片中的所述第二类坐标元素的能量幅度值之和;
第三确定模块,与所述第二计算模块相连接,用于确定计算出的能量幅度值之和为所述回波信号在所述第一采样区间的能量幅度;以及
第四确定模块,连接在所述第三确定模块和所述查找单元之间,用于根据所述回波信号在所述多个采样区间内的能量幅度确定所述第二检测矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210107263.3A CN103376444B (zh) | 2012-04-12 | 2012-04-12 | 人体行为特征的识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210107263.3A CN103376444B (zh) | 2012-04-12 | 2012-04-12 | 人体行为特征的识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103376444A CN103376444A (zh) | 2013-10-30 |
CN103376444B true CN103376444B (zh) | 2015-05-13 |
Family
ID=49461845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210107263.3A Expired - Fee Related CN103376444B (zh) | 2012-04-12 | 2012-04-12 | 人体行为特征的识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103376444B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707348A (zh) * | 2016-12-09 | 2017-05-24 | 济南赛英立德电子科技有限公司 | 基于时频分析的微波多普勒静态人体探测方法及探测器 |
CN106595647B (zh) * | 2016-12-14 | 2020-05-05 | 北京理工大学珠海学院 | 行为状态的监测方法、装置及*** |
CN111273283B (zh) * | 2020-03-06 | 2022-08-05 | 电子科技大学 | 一种基于人体三维微多普勒信号的躯干运动参数提取方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324666A (zh) * | 2007-06-16 | 2008-12-17 | 电子科技大学 | 隐蔽目标生命迹象探测方法及隐蔽目标探测装置 |
-
2012
- 2012-04-12 CN CN201210107263.3A patent/CN103376444B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324666A (zh) * | 2007-06-16 | 2008-12-17 | 电子科技大学 | 隐蔽目标生命迹象探测方法及隐蔽目标探测装置 |
Non-Patent Citations (3)
Title |
---|
史林 等.基于谐波模型的生命探测雷达人体状态识别方法.《西安电子科技大学学报(自然科学版)》.2005,第32卷(第2期),第179-183页. * |
张翼 等.基于微多普勒特征的人体目标雷达回波信号分析.《信号处理》.2009,第25卷(第10期),摘要,第1616页左栏第2-5行,右栏第2-3行,第1618页-1619页,第1620页右栏-1622页右栏. * |
张翼.人体微动雷达特征研究.《中国博士学位论文全文数据库 信息科技辑》.2011,(第4期),I136-100. * |
Also Published As
Publication number | Publication date |
---|---|
CN103376444A (zh) | 2013-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105425224B (zh) | 车载毫米波雷达***多目标个数获取方法及装置 | |
KR101605078B1 (ko) | 사용자 맞춤형 정보를 제공하는 방법 및 시스템, 이를 수행하기 위한 기록매체 | |
CN102608590B (zh) | 一种基于动态规划和后像投影算法的相参积累方法 | |
CN111316128A (zh) | 连续障碍物检测方法、设备、***及存储介质 | |
CN111476058B (zh) | 一种基于毫米波雷达的手势识别方法 | |
EP2581758A1 (en) | Methods for resolving radar ambiguities using multiple hypothesis tracking | |
CN116027324B (zh) | 基于毫米波雷达的跌倒检测方法、装置及毫米波雷达设备 | |
CN103376444B (zh) | 人体行为特征的识别方法和装置 | |
KR102262197B1 (ko) | Fmcw 레이다의 신호를 활용하여 표적의 형상을 추정하는 장치 및 그 방법 | |
Li et al. | Hierarchical radar data analysis for activity and personnel recognition | |
KR101397934B1 (ko) | 펄스 신호를 이용한 입자 기반의 표적 위치 추정 방법 | |
KR101984274B1 (ko) | 감시 정찰용 표적 탐지 및 형상 식별 장치와 그 방법 | |
KR20190081257A (ko) | 레이더 장치 및 그것을 이용한 고해상도 도플러 추출 방법 | |
CN104880160A (zh) | 一种工件表面轮廓的二维激光实时探测方法 | |
EP3417311B1 (en) | A method for motion classification using a pulsed radar system | |
CN104299248A (zh) | 利用前视声呐图像对水下多个动态目标运动预测的方法 | |
JP2013130473A (ja) | レーダ信号処理装置およびレーダ装置 | |
Bhatia et al. | Classification of targets using statistical features from range fft of mmwave fmcw radars | |
KR102116604B1 (ko) | 레이더를 이용한 제스처 인식 장치 및 방법 | |
WO2017188905A1 (en) | A method for motion classification using a pulsed radar system | |
JP4912762B2 (ja) | 目標検出装置 | |
JP2015099097A (ja) | 合成開口レーダ装置及びその画像処理方法 | |
JP2014211330A (ja) | 目標追尾装置及び目標追尾方法 | |
CN115469303A (zh) | 一种检测人体姿态和生命体征的认知生物雷达方法与装置 | |
KR20140073294A (ko) | 심장 박동수 변화를 이용한 실시간 감성 인식장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150513 |
|
CF01 | Termination of patent right due to non-payment of annual fee |