基于毫米波雷达的人体姿态识别系统
专利汇可以提供基于毫米波雷达的人体姿态识别系统专利检索，专利查询，专利分析的服务。并且本 发明 属于 模式识别 技术领域，具体为一种基于毫米波雷达的人体 姿态 识别系统。本发明系统包括毫米波雷达子系统、 数据处理 与 跟踪 定位 子系统、 人工智能 分类子系统；毫米波雷达子系统向检测范围内发射线性调频连续波 信号 ，并采集人体反射的雷达回 波数 据，经混频、滤波和 模数转换 采样 后输出中频原始数据；数据处理与跟踪定位子系统从原始数据中提取能够表征人体姿态的多种特征，包括距离、速度、 加速 度、方位特征等，实时跟踪定位人体所在 位置 ；人工智能分类子系统对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态。本发明着眼于现实生活中的人体姿态识别和状态监测，可以适用于家庭、办公室、工厂车间、医院病房、养老院等场景。，下面是基于毫米波雷达的人体姿态识别系统专利的具体信息内容。
1.一种基于毫米波雷达的人体姿态识别系统，其特征在于，包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；其中，所述毫米波雷达子系统用于向检测范围内发射线性调频连续波LFMCW信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换ADC采样后输出中频原始数据；所述数据处理与跟踪定位子系统用于从原始数据中提取能够表征人体姿态的多种特征，包括但不限于距离、速度、加速度、方位、高度、能量、统计特征等，同时实时跟踪定位人体所在位置；所述人工智能分类子系统用于对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态；
系统的工作流程为：
人在雷达检测范围内活动，毫米波雷达子系统周期性发射线性调频连续波信号并接收检测范围反馈的回波信号，经过混频、滤波和ADC采样后得到原始数据；
将原始数据送入数据处理与跟踪定位子系统，经过一系列信号处理过程，提取能够表征人体姿态的多种特征，所述特征包括距离、速度、加速度、方位、高度、能量、统计，同时实时跟踪定位人体所在位置；
将特征数据送入人工智能分类子系统中进行过滤、分类和判决，若系统判别为存在人体姿态，则判断是否已确定人体姿态，若是则输出人体姿态，否则送至过滤过程；经过过滤过程过滤后判断能否确定人体姿态，若能则输出人体姿态，否则进入分类过程；经过分类过程分级分类，最终待识别人体姿态只剩下一种或两种可能匹配的人体姿态，若与其中一种的相似度大于相似度阈值则判断为该人体姿态并输出该人体姿态，否则判断为未定义人体姿态并输出。
2.根据权利要求1所述的基于毫米波雷达的人体姿态识别系统，其特征在于，所述人工智能分类子系统的判决过程的具体步骤为：
S101，判断是否存在运动人体，若不存在则继续S101，若存在进入步骤S102；
S102，进行人体姿态判断，若待判断数据与某一人体姿态特征数据的相似度大于第一特征阈值Q1时，则进入步骤S107，否则进入步骤S103；
S103，进入过滤过程，过滤掉一些不可能的人体姿势，进入步骤S104；
S104，进行人体姿态判断，若待判断数据与某一人体姿态特征数据的相似度大于第二特征阈值Q2时，则进入步骤S107，否则进入步骤S105；
S105，进入分类过程，针对某些特征，利用人工神经网络调用预训练的分类模型进行分类，进入步骤S106；
S106，若待识别人体姿态与其中一种人体姿态的相似度超过第三特征阈值Q3，则进入步骤S107，否则判断为未定义人体姿态并进入步骤S108；
S107，将待识别人体姿态判决为某一人体姿态，进入步骤S108；
S108，将判决结果反馈，本次判决结束，返回步骤S101。
3.根据权利要求2所述的基于毫米波雷达的人体姿态识别系统，其特征在于，所述过滤过程的具体步骤为：
S201，依据待识别人体姿态的速度特征信息，判断是否小于速度阈值，若是则进入步骤S202，否则进入步骤S104；
S202，进行一级过滤，若待匹配库中只有三种或三种以下的人体姿态的速度特征值超过待识别人体姿态的速度特征值，则将待匹配库中的速度特征值小于速度阈值的人体姿态滤除并进入步骤S104，否则将待匹配库中的速度特征值大于速度阈值的人体姿态滤除并进入步骤S203；
S203，依据待识别人体姿态的方位特征信息，判断方位变化与极值相似度是否属于方位阈值范围，若是则进入步骤S204，否则进入步骤S104；
S204，进行二级过滤，若待识别人体姿态的方位特征值落在待匹配库中三种或三种以下的人体姿态的方位特征值区间，则将待匹配库中除这几种人体姿态外的其他人体姿态滤除并进入步骤S104，否则将待匹配库中的几种人体姿态滤除并进入步骤S205；
S205，依据待识别人体姿态的加速度特征信息，判断是否小于加速度阈值，若是则进入步骤S206，否则进入步骤S104；
S206，进行三级过滤，若待匹配库中只有三种或三种以下的人体姿态的加速度特征值超过待识别人体姿态的加速度特征值，则将待匹配库中的加速度特征值小于速度阈值的人体姿态滤除并进入步骤S104，否则将待匹配库中的速度特征值大于加速度阈值的人体姿态滤除并进入步骤S207；
S207，依据待识别人体姿态的方位特征信息，判断高度变化与极值相似度是否属于高度阈值范围，若是则进入步骤S208，否则进入步骤S104；
S208，进行四级过滤，若待识别人体姿态的高度特征值落在待匹配库中三种或三种以下的人体姿态的高度特征值区间，则将待匹配库中除这几种人体姿态外的其他人体姿态滤除并进入步骤S104，否则将待匹配库中的几种人体姿态滤除并进入步骤S209；
S209，本次过滤结束，进入步骤S104。
4.根据权利要求3所述的基于毫米波雷达的人体姿态识别系统和方法，其特征在于，所述人工智能分类子系统的分类采用多级人工神经网络分类，在所有人体姿态特征中选取几种作为分类特征，分级分类进行判断，每一级分类都把相似度低于分类相似度阈值的人体姿态从匹配库中剔除，每经过一级分类，待识别人体姿态的可能范围就越小，越容易确定；
分类过程的具体步骤为：
S301，进行一级分类，若匹配库中与待识别人体姿态的相似度高于一级相似度阈值的人体姿态只有一种或两种，则进入步骤S106，否则将匹配库中与待识别人体姿态的相似度低于一级相似度阈值的人体姿态剔除并进入步骤S302；
S302，进行二级分类，若匹配库中与待识别人体姿态的相似度高于二级相似度阈值的人体姿态只有一种或两种，则进入步骤S106，否则将匹配库中与待识别人体姿态的相似度低于二级相似度阈值的人体姿态剔除并进入步骤S303；
S303，进行三级分类，若匹配库中与待识别人体姿态的相似度高于三级相似度阈值的人体姿态只有一种或两种，则进入步骤S106，否则将匹配库中与待识别人体姿态的相似度低于三级相似度阈值的人体姿态剔除并进入步骤S304；
S304，本次分级分类结束，进入步骤S106。
5.根据权利要求1-4之一所述的基于毫米波雷达的人体姿态识别系统，其特征在于，所述匹配库是指包含所有可能为待识别人体姿态的预定义人体姿态集合。
6.根据权利要求5所述的基于毫米波雷达的人体姿态识别系统，其特征在于，其硬件设备包括：毫米波雷达传感器、信号收发组件、微控制单元MCU、DSP、通信模块、外围电路和中央处理器。
7.根据权利要求6所述的基于毫米波雷达的人体姿态识别系统，其特征在于，所述毫米波雷达子系统工作过程如下：
毫米波雷达子系统周期性发射毫米波信号，并接收检测区域反馈的回波，发射信号与回波信号间时延为 ，载波的中心频率为 ；所述发射信号采用线性调频连续波，其表达式为 ，其中B为信号带宽，T是扫频周期；所述发射信号与接收信号表达式为：
其中，AT与AR分别表示发射信号和接收信号的幅值， 为接收信号频率，其表达式为，其中 为多普勒频移；
将回波信号与发射信号混频并经过带通滤波后得到中频信号，其表达式为：
将中频信号经模数转换ADC采样，即得到原始数字中频信号数据，简称原始数据。
基于毫米波雷达的人体姿态识别系统
发明领域
背景技术
发明内容
S102，进行人体姿态判断，若待判断数据与某一人体姿态特征数据的相似度大于第一特征阈值Q1时，则进入步骤S107，否则进入步骤S103；
S103，进入过滤过程，过滤掉一些不可能的人体姿势，进入步骤S104；
S104，进行人体姿态判断，若待判断数据与某一人体姿态特征数据的相似度大于第二特征阈值Q2时，则进入步骤S107，否则进入步骤S105；
S105，进入分类过程，针对某些特征，利用人工神经网络调用预训练的分类模型进行分类，进入步骤S106；
S106，若待识别人体姿态与其中一种人体姿态的相似度超过第三特征阈值Q3，则进入步骤S107，否则判断为未定义人体姿态并进入步骤S108；
S107，将待识别人体姿态判决为某一人体姿态，进入步骤S108；
S108，将判决结果反馈，本次判决结束，返回步骤S101。
S202，进行一级过滤，若待匹配库中只有三种或三种以下的人体姿态的速度特征值超过待识别人体姿态的速度特征值，则将待匹配库中的速度特征值小于速度阈值的人体姿态滤除并进入步骤S104，否则将待匹配库中的速度特征值大于速度阈值的人体姿态滤除并进入步骤S203；
S203，依据待识别人体姿态的方位特征信息，判断方位变化与极值相似度是否属于方位阈值范围，若是则进入步骤S204，否则进入步骤S104；
S204，进行二级过滤，若待识别人体姿态的方位特征值落在待匹配库中三种或三种以下的人体姿态的方位特征值区间，则将待匹配库中除这几种人体姿态外的其他人体姿态滤除并进入步骤S104，否则将待匹配库中的几种人体姿态滤除并进入步骤S205；
S205，依据待识别人体姿态的加速度特征信息，判断是否小于加速度阈值，若是则进入步骤S206，否则进入步骤S104；
S206，进行三级过滤，若待匹配库中只有三种或三种以下的人体姿态的加速度特征值超过待识别人体姿态的加速度特征值，则将待匹配库中的加速度特征值小于速度阈值的人体姿态滤除并进入步骤S104，否则将待匹配库中的速度特征值大于加速度阈值的人体姿态滤除并进入步骤S207；
S207，依据待识别人体姿态的方位特征信息，判断高度变化与极值相似度是否属于高度阈值范围，若是则进入步骤S208，否则进入步骤S104；
S208，进行四级过滤，若待识别人体姿态的高度特征值落在待匹配库中三种或三种以下的人体姿态的高度特征值区间，则将待匹配库中除这几种人体姿态外的其他人体姿态滤除并进入步骤S104，否则将待匹配库中的几种人体姿态滤除并进入步骤S209；
S209，本次过滤结束，进入步骤S104。
S302，进行二级分类，若匹配库中与待识别人体姿态的相似度高于二级相似度阈值的人体姿态只有一种或两种，则进入步骤S106，否则将匹配库中与待识别人体姿态的相似度低于二级相似度阈值的人体姿态剔除并进入步骤S303；
S303，进行三级分类，若匹配库中与待识别人体姿态的相似度高于三级相似度阈值的人体姿态只有一种或两种，则进入步骤S106，否则将匹配库中与待识别人体姿态的相似度低于三级相似度阈值的人体姿态剔除并进入步骤S304；
S304，本次分级分类结束，进入步骤S106。
其中，AT与AR分别表示发射信号和接收信号的幅值， 为接收信号频率，其表达式为，其中 为多普勒频移。
将原始数据送入数据处理与跟踪定位子系统，经过一系列信号处理过程，提取能够表征人体姿态的多种特征，包括但不限于距离、速度、加速度、方位、高度、能量、统计特征等，同时实时跟踪定位人体所在位置；
将特征数据送入人工智能分类子系统中进行分类和判决，若系统判别为存在人体姿态，则判断是否已确定人体姿态，若是则输出人体姿态，否则送至过滤过程；经过过滤过程过滤后判断能否确定人体姿态，若能则输出人体姿态，否则进入分类过程；经过分类过程分级分类，最终待识别人体姿态只剩下一种或两种可能匹配的人体姿态，若与其中一种的相似度大于相似度阈值则判断为该人体姿态并输出该人体姿态，否则判断为未定义人体姿态并输出。
附图说明
具体实施方式
（2）预设前进、后退、坐下、蹲下、站立、弯腰、跌倒等7种人体姿态，人体在作用空间内靠近终端定义为“前进”，人体在作用空间内远离终端定义为“后退”，其他5种姿态定义如图5所示；
（3）每种人体姿态由不同体型、性别、年龄的主体（人）在作用空间内不同位置分别采集
200个样本数据，通过对比同类样本之间的特征相似性，将异常样本剔除，确保类内样本特征相似且类间不同，用自定义的轻量化人工神经网络对7种人体姿态的所有微多普勒特征样本进行训练得到微多普勒特征分类模型；
（4）系统初始化：设置并上传雷达参数，加载分类模型并上传推理网络参数；
（5）毫米波雷达终端实时发射周期性的线性调频连续波信号，并接收作用空间反馈的回波信号，人体在作用空间内运动时，毫米波雷达终端捕捉到当前人体所处姿态的原始数据；
（6）在中央处理器或MCU或DSP中对原始数据进行一系列信号处理，得到距离、速度、加速度、方位、高度、能量、统计特征等特征数据，组合距离和方位信息得到人体位置，实时显示该人体位置并将特征数据发送到人工智能分类子系统；
（7）在人工智能分类子系统中，根据特征数据判决是否存在人体姿态，若是则进一步判决是否已确定人体姿态，若是则输出人体姿态，否则进入过滤过程，经过过滤过程过滤后判断能否确定人体姿态，若能则输出人体姿态，否则进入分类过程，经过分类过程分级分类，最终待识别人体姿态只剩下一种或两种可能匹配的人体姿态，若与其中一种的相似度大于相似度阈值则判断为该人体姿态并输出该人体姿态，否则判断为未定义人体姿态并输出。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于数据转换跟踪环路的比特同步跟踪系统 | 2020-05-11 | 422 |
| 一种基于概率统计的低信噪比条件下目标检测方法 | 2020-05-11 | 524 |
| 一种基于CVSD编码特征的语音失步检测方法 | 2020-05-12 | 364 |
| 一种控制电磁炉的方法及装置 | 2020-05-11 | 959 |
| 硬件系统和电子设备 | 2020-05-11 | 554 |
| 一种蓝牙5.0协议的分段译码方法 | 2020-05-08 | 740 |
| LDPC码译码器 | 2020-05-11 | 222 |
| 一种基于密度进化改进偏移最小和的LDPC译码方法 | 2020-05-12 | 695 |
| 一种译码方法和装置 | 2020-05-12 | 298 |
| 基于异构多核的卫星气象数据喷泉解码算法硬件化系统 | 2020-05-08 | 609 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
