一种目标识别方法技术

本发明专利技术提供一种目标识别方法，构建待识别目标的特征量，并将其与多个模板特征向量进行相似性匹配，选出与待识别目标相匹配的模板特征向量，将模板特征向量对应的目标的属性作为待识别目标的属性；通过上述技术方案，能够实现对目标的准确识别。

A method of target recognition

The invention provides a target recognition method, constructs the characteristic quantity of the target to be identified, and matches it with the feature vectors of multiple templates, selects the template feature vector that matches the target to be identified, and takes the attribute of the target of the template feature vector as the attribute to identify the target, and through the above technical scheme. It can realize the accurate recognition of the target.

【技术实现步骤摘要】
一种目标识别方法
本专利技术属于目标识别领域，涉及一种目标识别方法。
技术介绍
在现今很多应用场景中，如安保监控、产品线管理、机器人探测、健康监测等，获取目标的信息是很有必要的，这在过去的几年中吸引了大批学者进行相关研究工作。现有研究中，相机、红外、X射线和雷达等设备为目标识别提供了潜在的解决方案。但是基于摄像机设备的系统存在光线约束、视距限制以及泄露用户隐私等问题，基于X-射线的系统采用极高频率的信号通常对健康有害，基于雷达设备的系统价格昂贵且设备体积过大。因此，基于以上设备的物质材料识别并不能广泛应用于现实。射频信号在无线领域中的许多方面取得了诸多进展，例如目标定位、轨迹追踪和手势识别等。综上，现有的目标识别方法普遍存在以下缺陷：1)设备昂贵，成本高；2)危害用户的身体健康；3)存在泄露用户隐私等潜在问题。
技术实现思路
针对上述现有技术中存在的缺陷或不足，本专利技术的目的在于，提供一种目标识别方法，其能够准确识别目标的属性。为了实现上述目的，本专利技术采用如下技术方案：一种求目标的特征向量的方法，包括以下步骤：步骤一，将目标放置在射频链路上，对射频链路上的反射信号的相位值进行去噪处理，得到去噪后的相位值；所述的去噪处理包括卡尔曼滤波平滑去噪和离散小波变换去噪；去噪后的相位值包括多个信道下的去噪后的相位值；步骤二，对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；标准化处理后的多个信道下的相位值形成目标的特征向量。可选地，所述的步骤一中的离散小波变换去噪，包括以下步骤：(1)对射频链路上的反射信号的相位值进行多级分解，得到多个细节系数和一个近似系数采用的公式如下：其中，表示细节系数，k表示反射信号的相位值对应的信道频率，l＝1,2,...,J表示分解级数，J表示分解级数的最大值，n表示时刻，Sn表示信道k下的第n个时刻对应的相位值，N表示n的最大值，表示haar小波基，当0≤n-2lk≤1时，其他情形下，表示近似系数；(2)对每一个细节系数计算其对应的动态阈值Thl，若细节系数大于动态阈值Thl，则保留此细节系数，否则，去除此细节系数，得到筛选后的多个细节系数；其中，动态阈值Thl的确定方法如下：其中，表示求细节系数和μ的欧式距离，μ为常数，t为常数；(3)将筛选后的多个细节系数与近似系数进行重建，得到去噪后的相位值。可选地，所述步骤二中的对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；包括以下步骤：比较多个信道下的去噪后的相位值的大小，选出相位值的最小值，对每个信道下的去噪后的相位值减去相位值的最小值，即得到标准化处理后的多个信道下的相位值。本专利技术另一个方面提供一种模板特征数据库的构建方法，所述模板特征数据库包括多个目标的特征向量，所述的特征向量根据所述的方法求取。本专利技术另一个方面提供一种目标识别方法，包括以下步骤：针对待识别目标，求取待识别目标的特征向量；计算待识别目标的特征向量与特征数据库中的每个特征向量的代价矩阵C；求代价矩阵的左上角的元素与右下角的元素之间的最短距离；选择所有最短距离中的最小值对应的代价矩阵，该代价矩阵对应的特征数据库中的特征向量即为与待识别目标的特征向量相匹配的特征向量，该特征数据库中的特征向量对应的目标的属性即为待识别目标的属性；所述的待识别目标的特征向量按照上述方法求取；所述的特征数据库按照上述方法构建。与现有技术相比，本专利技术具有以下技术效果：本专利技术构建待识别目标的特征量，并将其与多个模板特征向量进行相似性匹配，选出与待识别目标相匹配的模板特征向量，将模板特征向量对应的目标的属性作为待识别目标的属性；上述技术方案，能够实现对目标的准确识别。附图说明图1为本专利技术的目标识别方法的流程图；图2为不同液体倒入容器之前和之后的相位读数变化和RSS读数变化，其中，(a)为相位读数变化图，(b)为RSS读数变化；图3为不同信道数目下的识别准确率示意图；图4为测量不同标签角度时旋转标签示意图；图5为标签的方向对信号的相位值的影响；图6为不同标签的方向的识别准确率示意图；图7为不同的容器大小下的相位变化示意图；图8为不同的容器大小下的识别准确率示意图；以下结合附图和实施例对本专利技术的方案作进一步详细地解释和说明。具体实施方式本专利技术的专利技术点体现在三个方面，一是求目标的特征向量的方法，二是构建模板特征数据库的方法，三是目标识别方法。本专利技术的第一个方面，获取目标的特征相量的方法，其采用的设备，包括一个RFID读写器、一个定向天线和一个RFID标签，将RFID标签贴在目标物体上，定向天线在RFID阅读器的控制下，以反向散射的方式与RFID标签进行通信；RFID标签与RFID阅读器之间形成射频链路，RFID阅读器包括多个信道，RFID阅读器的每个信道能够测得射频链路上的反射信号，并能够获取反射信号的相位值。获取目标的特征向量的方法，具体包括以下步骤：步骤一，将目标放置在射频链路上，对射频链路上的反射信号的相位值进行去噪处理，得到去噪后的相位值；去噪后的相位值包括多个信道下的去噪后的相位值；射频链路上的反射信号的相位值包括阅读器的多个信道测得的相位值。步骤二，对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；标准化处理后的多个信道下的相位值形成目标的特征向量。具体地，所述步骤一中的对射频链路上的反射信号的相位值进行去噪处理，包括卡尔曼滤波平滑去噪和离散小波变换去噪。具体地，所述的离散小波变换去噪包括以下步骤：(1)利用递归方法将射频链路上的反射信号的相位值进行多级分解，得到多个细节系数和一个近似系数采用的公式如下：其中，表示细节系数，k表示反射信号的相位值对应的信道频率，l∈(1,2,...,J)表示分解级数，J表示分解级数的最大值，n表示时刻，Sn表示信道k下的第n个时刻对应的相位值，N表示n的最大值，表示haar小波基，当0≤n-2lk≤1时，其他情形下，表示近似系数。(2)对每一个细节系数计算其对应的动态阈值Thl，若细节系数大于动态阈值Thl，则保留此细节系数，否则，去除此细节系数，得到筛选后的多个细节系数。其中，动态阈值Thl的确定方法如下：其中，表示求细节系数和μ的欧式距离，本实施例中，μ＝0.03，t为常数，本实施例中，t＝0.3；(3)将筛选后的多个细节系数与近似系数进行重建，得到去噪后的相位值。具体地，所述步骤二中的对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；包括以下步骤：比较多个信道下的去噪后的相位值的大小，选出相位值的最小值，对每个信道下的去噪后的相位值减去相位值的最小值，即得到标准化处理后的多个信道下的相位值。本专利技术的第二个方面，构建模板特征数据库的方法，所述模板特征数据库包括多个目标的特征向量，所述的特征向量为根据上述求取特征向量的方法求取。本专利技术的第三个方面，提供一种目标识别方法，包括以下步骤：针对待识别目标，利用上述构建特征向量的方法，构建待识别目标的特征向量；待识别目标可以为液体和固体，液体可以为矿泉水、全脂牛奶、脱脂牛奶和可口可乐等，固体可以为木、砖、玻璃和塑料板等。针对多个目标，利用上述构建模板特征数据库的方法，构建模板特本文档来自技高网...

【技术保护点】
一种求目标的特征向量的方法，其特征在于，包括以下步骤：步骤一，将目标放置在射频链路上，对射频链路上的反射信号的相位值进行去噪处理，得到去噪后的相位值；所述的去噪处理包括卡尔曼滤波平滑去噪和离散小波变换去噪；去噪后的相位值包括多个信道下的去噪后的相位值；步骤二，对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；标准化处理后的多个信道下的相位值形成目标的特征向量。

【技术特征摘要】
1.一种求目标的特征向量的方法，其特征在于，包括以下步骤：步骤一，将目标放置在射频链路上，对射频链路上的反射信号的相位值进行去噪处理，得到去噪后的相位值；所述的去噪处理包括卡尔曼滤波平滑去噪和离散小波变换去噪；去噪后的相位值包括多个信道下的去噪后的相位值；步骤二，对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；标准化处理后的多个信道下的相位值形成目标的特征向量。2.如权利要求1所述的求目标的特征向量的方法，其特征在于，所述的步骤一中的离散小波变换去噪，包括以下步骤：(1)对射频链路上的反射信号的相位值进行多级分解，得到多个细节系数和一个近似系数采用的公式如下：其中，表示细节系数，k表示反射信号的相位值对应的信道频率，l＝1,2,...,J表示分解级数，J表示分解级数的最大值，n表示时刻，Sn表示信道k下的第n个时刻对应的相位值，N表示n的最大值，表示haar小波基，当0≤n-2lk≤1时，其他情形下，表示近似系数；(2)对每一个细节系数计算其对应的动态阈值Thl，若细节系数大于动态阈值Thl，则保留此细节系数，否则，去除此细节系数，得到筛选后的多个细节系数；其中，动态阈值Thl的确定方法如下：

【专利技术属性】
技术研发人员：陈晓江，纪青然，赵月，谢彬彬，陈峰，王安文，彭瑶，房鼎益，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61