专利汇可以提供基于生命体征SAR成像的人体目标身份识别方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于生命体征SAR成像的人体目标身份识别方法及系统,方法包括:采集待识别人员的呼吸 波形 ,提取呼吸波形的特征参数,并输入分类器中进行训练,获得身份识别模型;利用基于 相位 解调的生命体征SAR成像方法确定场景中人体目标的准确 位置 ;将雷达移动到确定好的人体目标位置正前方获取人体目标的呼吸波形;将待识别的呼吸波形输入到身份识别模型中,即可准确得到人体目标的身份。系统包括呼吸波形提取模 块 、特征提取模块、分类模型建立模块、成像模块、人体目标 定位 模块、身份识别模块。本发明方法的身份识别准确率高,可以准确获得场景中人体目标的位置及身份信息,鲁棒性好,且适用性更广。,下面是基于生命体征SAR成像的人体目标身份识别方法及系统专利的具体信息内容。
1.一种基于生命体征SAR成像的人体目标身份识别方法,其特征在于,包括以下步骤:
步骤1、将FMCW雷达静止置于待识别人员的正前方L米处,采集雷达回波信号,并对回波信号进行预处理获取呼吸波形Re(τa);
步骤2、提取步骤1得到的每一个呼吸波形Re(τa)的特征参数;
步骤3、根据步骤2中提取的呼吸波形的特征参数建立身份识别模型;
步骤4、待识别人员随机分布在某一场景中,FMCW雷达移动平台在所述场景内按直线轨迹运行采集回波信号,并对回波信号预处理后进行SAR成像,获得成像结果I;
步骤5、在步骤4的成像结果I中,定位人体目标位置Lx;
步骤6、确定人体目标位置后,将FMCW雷达移动到人体目标方位向位置Lx上,采集雷达回波信号,并对回波信号进行预处理获取人体目标呼吸波形Rex(τa);
步骤7、将步骤6中待识别的人体目标呼吸波形Rex(τa)输入至步骤3获得的身份识别模型,即可对待识别人体目标的身份进行识别。
2.根据权利要求1所述的基于生命体征SAR成像的人体目标身份识别方法,其特征在于,步骤1所述将FMCW雷达静止置于待识别人员的正前方L米处,采集雷达回波信号,并对回波信号进行预处理获取呼吸波形Re(τa),具体为:
步骤1-1、将FMCW雷达静止置于待识别人员的正前方L米处,采集雷达回波信号s(t);
步骤1-2、对回波信号s(t)进行预处理,具体为:
回波信号s(t)为:
式中,sT为雷达的发射信号, 为雷达的接收信号的复共轭,A1为信号sT的幅度,A2为信号 的幅度,K表示调频斜率,λ表示波长,R表示目标与雷达的距离,t表示波传播的“快时间”,c表示波传播的速度;
对回波信号s(t)进行傅里叶变换:
式中,A1A2为信号的幅度,T表示一个波形周期;f表示距离向频率;
步骤1-3、根据傅里叶变换后的回波信号构建雷达回波矩阵,具体为:根据傅里叶变换后的回波信号构建Mp×Np雷达回波矩阵,该回波矩阵的行为距离向,每一行存储一个脉冲重复周期内得到的回波信号,列为方位向;其中Mp表示Mp个脉冲重复周期,Np表示一个脉冲重复周期内有Np个采样点Np;
步骤1-4、提取雷达回波矩阵中距离雷达L米处距离门内的回波片段SH1,对该回波片段SH1进行相位解缠绕,获取该目标与雷达的距离R1:
式中,ang为相位角α解缠绕后的相位角,
其中,相位角 a为回波片段SH1中复数元素的实部,b为回波片段SH1中复
数元素的虚部;
步骤1-5、求取人体目标的呼吸波形Re(τa),具体为:将目标与雷达的距离R1对应到每一个方位向采样的慢时间τa获得R1(τa),R1(τa)包含雷达与目标的正对距离R0和人体目标的呼吸波形Re(τa),因此:
Re(τa)=R1(τa)-R0。
3.根据权利要求1所述的基于生命体征SAR成像的人体目标身份识别方法,其特征在于,步骤2所述提取步骤1得到的每一个呼吸波形Re(τa)的特征参数,具体为:
步骤2-1、求取呼吸频率Bf,具体为:对呼吸波形Re(τa)进行FFT变换,即可获得呼吸频率Bf;
步骤2-2、求取平均呼气开始时间周期Tex,具体为:
步骤2-2-1、获取呼吸波形Re(τa)的位移峰值集合:
Pex=[px1 px2 px3 px4 … … pxN]
式中,pxi为第i个呼吸波形的峰值,N表示有N个呼吸波形;
步骤2-2-2、根据位移峰值对应的时间索引求取呼气开始时间周期Texi为:
Texi=tpx(i+1)-tpx(i)
式中,tpxi为第i个呼吸波形的峰值pxi对应的时间索引;
步骤2-2-3、求取平均呼气开始时间周期Tex为:
步骤2-3、求取平均呼吸深度depth,具体为:
步骤2-3-1、获取呼吸波形Re(τa)的最低点集合:
Nin=[nx1 nx2 nx3 nx4 … nxN]
式中,nxi为第i个呼吸波形的最低点,N表示有N个呼吸波形;
步骤2-3-2、求取呼吸深度dxi为:
dxi=pxi-nxi
步骤2-3-3、求取平均呼吸深度depth为:
步骤2-4、求取平均呼气开始时间周期Tex的标准差,具体为:
步骤2-5、求取平均吸气开始时间周期Tin,具体为:
步骤2-5-1、根据呼吸波形最低点对应的时间索引求取吸气开始时间周期Tini为:
Tini=tnx(i+1)-tnxi
式中,tnxi为第i个呼吸波形的最低点nxi对应的时间索引;
步骤2-5-2、求取平均吸气开始时间周期Tin为:
步骤2-6、求取平均吸气开始时间周期Tin的标准差 具体为:
步骤2-7、求取平均呼气速度vexi,具体为:
步骤2-8、求取平均吸气速度vini,具体为:
步骤2-9、求取平均面积比率,具体为:
步骤2-9-1、提取呼吸段中位移值为峰值q%的点为:
p0.qi=0.q*[px1 px2 px3 px4 … … pxN]
提取呼吸段中位移值比最低点高s%的点:
n1.si=1.s*[nx1 nx2 nx3 nx4 … nxN]
步骤2-9-2、根据步骤2-9-1获得呼气-吸气面积A_exi的四个边界点为:[p0.qi n1.si p0.qi n1.si+1];吸气-呼气面积A_ini的四个边界点为:[p0.qi n1.si+1 p0.qi+1 n1.si+1];
步骤2-9-3、计算面积比,并求均值r1为:
步骤2-10、求取每一个呼吸波形峰值前后1秒的欧几里得距离比的均值r2为:
式中,da表示顶点出现一秒之后的数据点到顶点的欧几里德距离,dp表示顶点出现一秒之前的数据点到顶点的欧几里德距离。
4.根据权利要求3所述的基于生命体征SAR成像的人体目标身份识别方法,其特征在于,步骤2-9-1所述q%=70%;s%=30%。
5.根据权利要求2或3所述的基于生命体征SAR成像的人体目标身份识别方法,其特征在于,步骤3所述根据步骤2中提取的呼吸波形的特征参数建立身份识别模型,具体为:将呼吸波形Re(τa)作为样本,将每个样本的特征及其对应的身份标签输入至分类器进行训练,获得身份识别模型。
6.根据权利要求1或2所述的基于生命体征SAR成像的人体目标身份识别方法,其特征在于,步骤4所述FMCW雷达移动平台在所述场景内按直线轨迹运行采集回波信号,并对回波信号预处理后进行SAR成像,获得成像结果I,具体为:
步骤4-1、FMCW雷达沿直线轨迹运行采集原始回波信号s'(t),运行的方向为方位向,FMCW雷达照射方向垂直于运行轨迹,照射方向为距离向;
步骤4-2、对原始回波信号s'(t)进行傅里叶变换后构建雷达回波矩阵,过程与步骤1-
2、1-3相同;
步骤4-3、利用后向投影BP算法对步骤4-2的雷达回波矩阵进行SAR成像,获得成像结果I。
7.根据权利要求6所述的基于生命体征SAR成像的人体目标身份识别方法,其特征在于,步骤5所述在步骤4的成像结果I中,定位人体目标位置Lx,具体为:
步骤5-1、在成像图I中,获取所有局部能量最大的点即所有目标;
步骤5-2、定位各个目标的方位向位置Ln,具体为:针对每一个目标,将其对应的局部能量最大点的行坐标值与方位向分辨率ρa的乘积,作为该目标的方位向位置Ln;其中方位向分辨率ρa为:
式中,La为天线的真实孔径;
步骤5-3、定位各个目标的距离向位置Hn即目标所在距离门Hn,具体为:针对每一个目标,将其对应的局部能量最大点的列坐标值与距离向分辨率ρr的乘积,作为该目标的距离向位置Hn;其中,距离向分辨率ρr为:
式中,c为光速,Bp为FMCW雷达信号带宽;
步骤5-4、提取目标所在距离门Hn内预处理后的回波片段SHn,对该回波片段SHn进行相位解缠绕,获取该目标与雷达的距离R:
式中,ang为相位角α解缠绕后的相位角,
其中,相位角 a为回波片段SHn中复数元素的实部,b为回波片段SHn中复
数元素的虚部;
步骤5-5、对步骤5-4中目标与雷达的距离R进行去拟合处理,获取目标的微多普勒信息,具体为:
步骤5-5-1、将目标与雷达的距离R对应到每一个方位向采样的慢时间τa获得R(τa),R(τa)包含由雷达运动产生的距离Rx(τa)和目标的微多普勒信息Re'(τa);其中:
式中,R0表示雷达在目标正前方时,两者的距离向长度,τa表示方位向运动的慢时间,v表示雷达运动的速度;
步骤5-5-2、根据目标与雷达的距离R对应的所有R(τa),利用偏差平方和最小的原则获得线性拟合曲线函数fit(τa),并由fit(τa)代替Rx(τa);
步骤5-5-3、根据R(τa)和fit(τa)求取目标的微多普勒信息Re'(τa)为:
Re'(τa)=R(τa)-fit(τa)
步骤5-6、对目标的微多普勒信息Re'(τa)进行平滑处理,所用平滑公式为:
式中,Res(τa)m为平滑后的目标微多普勒波形,m为目标的微多普勒信息Re'(τa)中方位向慢时间的第m个采样点,m∈[1,Mn];Mn为采样点数;Re'(τa)m为目标微多普勒信息Re'(τa)的第m个采样点;Re'(τa)m+k为目标微多普勒信息Re'(τa)的第m+k个采样点;K为每个采样点的加权点数,可以通过设定K的值来设置平滑的点数;
步骤5-7、假设雷达运动到目标所在方位向位置Ln的时刻为ta,根据ta时刻Res(τa)m波形判断定位人体目标:若在ta时刻附近Res(τa)m波形中存在有规律的波形,则表明此目标为人类目标,并记录该目标对应的方位向位置Lx;若在ta时刻附近Res(τa)m波形与其他时刻的波形没有太大差异,则表明此目标是非生命体目标。
8.根据权利要求7所述的基于生命体征SAR成像的人体目标身份识别方法,其特征在于,步骤6所述确定人体目标位置后,将FMCW雷达移动到人体目标方位向位置Lx上,采集雷达回波信号,对回波信号进行预处理获取呼吸波形Rex(τa),具体为:
步骤6-1、将FMCW雷达移动到目标的方位向位置Lx上,采集回波数据;
步骤6-2、对步骤6-1采集的回波数据进行傅里叶变换后,构建雷达回波矩阵,具体过程与步骤1-3相同;
步骤6-3、定位人体目标的距离向位置Hx即人体目标所在距离门Hx,具体为:将步骤6-2中雷达回波矩阵中能量最大点的列坐标值与距离向分辨率ρr的乘积,作为该人体目标的距离向位置Hx;
步骤6-4、提取人体目标所在距离门Hx内预处理后的回波片段SHx,对该回波片段SHx进行相位解缠绕,获取人体目标与雷达的距离Rx:
步骤6-5、求取人体目标的呼吸波形Rex(τa),具体为:将目标与雷达的距离Rx对应到每一个方位向采样的慢时间τa获得Rx(τa),Rx(τa)包含雷达与目标的正对距离R0和人体目标的呼吸波形Rex(τa),则:
Rex(τa)=Rx(τa)-R0。
9.一种实现权利要求1至8任意一项所述的基于生命体征SAR成像的人体目标身份识别方法的系统,其特征在于,包括:
呼吸波形提取模块,用于采集所有待识别人员的目标呼吸波形;
特征提取模块,用于提取人体目标呼吸波形的特征参数;
分类模型建立模块,用于根据呼吸波形的特征参数建立身份识别模型;
成像模块,用于对场景进行SAR成像;
人体目标定位模块,用于获取SAR成像结果中人体目标的位置;
身份识别模块,用于将场景中采集到的人体目标呼吸波形输入至身份识别模型,获取该人体目标的身份。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种雷达用低空目标波达方向估计方法 | 2020-05-13 | 884 |
一种基于移动WIMAX的波达方向估计方法 | 2020-05-11 | 773 |
一种阵列误差下的波达方向估计方法 | 2020-05-12 | 210 |
一种基于空域自适应滤波的波达方向估计方法 | 2020-05-13 | 720 |
语音波达方向估计方法及装置 | 2020-05-12 | 390 |
二维波达方向估计方法、二维波达方向估计装置及终端 | 2020-05-11 | 134 |
分布式子阵波达方向估计方法 | 2020-05-13 | 660 |
非均匀阵列设计和波达方向估计方法 | 2020-05-11 | 293 |
一种雷达用低空目标波达方向估计方法 | 2020-05-13 | 905 |
电磁信号的二维波达方向角估计方法 | 2020-05-12 | 177 |
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。