The passive human motion detection and tracking method based on signal coherence features in the present invention firstly divides the target area into sub-regions; in the offline stage, the received signal strength (RSS, Received Signal Strength) of all links under unmanned and manned motion conditions is collected as sample data respectively; then, different sample data are grouped by sliding window mechanism. Secondly, the coherent histograms of different samples are extracted to form a feature matrix for training the system parameters of the soft Max classification model. In the online detection and tracking stage, the same coherent histogram features are extracted in real time by using the same sliding window mechanism, and the feature vectors are constructed. Then, the matrix operations are performed with the parameters of the sample soft Max model, so as to clarify the real-time data categories and judge the current environment. At last, the detection results of each link are combined to track the personnel in real time, and then the median filtering algorithm is used to modify the tracking results. The invention can be applied to the radio communication network environment, mainly for the detection and tracking method of the movement of the personnel in the wireless local area network, and solves the problem of low detection accuracy in the traditional detection method.
【技术实现步骤摘要】
基于信号相干特征的被动式人员运动检测与追踪方法
本专利技术属于被动式人员运动检测技术,具体涉及基于信号相干特征的被动式人员运动检测与追踪方法。
技术介绍
随着通信技术的发展,人们对高效精准的人员检测与追踪服务的需求大幅度增长。利用电子标签等对人员进行主动检测与追踪的技术已经得到了广泛的研究。但是,一些场景中,如安防、搜救、智能家居等,被检测人员可能不会或不方便携带设备,其主动实现检测与追踪的难度较大。近年来,随着Wi-Fi的普及与应用,利用现有的Wi-Fi基础设施进行被动式人员运动检测与追踪,成为人们关注的热点。该方法通过检测Wi-Fi接收信号强度值RSS(ReceivedSignalStrength)的变化实现人员检测与追踪,无需被测人员主动配合与额外设备,具有较高的可行性和移植性。现有的基于Wi-Fi的被动式人员运动检测与追踪技术主要通过离线阶段提取有人运动与无人运动时的RSS统计特征用于训练分类器,在现阶段提取实时接收信号的相同特征与模板进行匹配。但统计特征的选取存在主观因素,且只包含信号的部分信息,这就使得系统适应性较弱,当环境发生变化,检测率会下降。为了解决以上问题,有必要开发一种新的基于信号相干特征的被动式人员运动检测与追踪方法。
技术实现思路
本专利技术的目的是提供一种基于信号相干特征的被动式人员运动检测与追踪方法,它通过离线阶段利用信号间的相干特征,建立信号的相干直方图,无需利用信号的统计特征,避免了特征选择的主观性,具有较高的检测正确率和追踪准确度。本专利技术所述的基于信号相干特征的被动式人员运动检测与追踪方法,包括以下步骤:步骤一、在目标监 ...
【技术保护点】
1.基于信号相干特征的人员运动检测与追踪方法,其特征在于,包括以下步骤:步骤一、在目标监测区域内,布置X个监测设备(Monitor Point,MP),以及Y个无线信号接入点(Access Point,AP),可得K=X×Y条无线链路;步骤二、将目标区域划分为用户感兴趣的N个目标子区域,第j条直射路径覆盖的独立区域(有且仅有一条直射路径覆盖该区域)为Aeraj,独立区域以外为非独立区域Aeraind,并为每个区域编号;步骤三、利用监测设备MP分别采集短时间内的K条链路的无人运动数据
【技术特征摘要】
1.基于信号相干特征的人员运动检测与追踪方法,其特征在于,包括以下步骤:步骤一、在目标监测区域内,布置X个监测设备(MonitorPoint,MP),以及Y个无线信号接入点(AccessPoint,AP),可得K=X×Y条无线链路;步骤二、将目标区域划分为用户感兴趣的N个目标子区域,第j条直射路径覆盖的独立区域(有且仅有一条直射路径覆盖该区域)为Aeraj,独立区域以外为非独立区域Aeraind,并为每个区域编号;步骤三、利用监测设备MP分别采集短时间内的K条链路的无人运动数据和人员运动数据采集时间都为T1秒,采样频率为ZHZ;具体包括以下步骤;步骤四、设计带通滤波器滤除K条无人运动RSS序列以及K条人员运动RSS序列中的噪声;步骤五、将滤波后的K条无人运动RSS序列与K条人员运动RSS序列接收信号强度归一化;步骤六、利用滑动窗口机制对归一化后的K条无人运动RSS序列以及K条人员运动RSS序列进行分组;步骤七、建立K条链路的样本相干直方图,构造特征矩阵;步骤八、利用K条链路的样本特征矩阵与梯度下降法训练softmax分类模型;步骤九、在线监测阶段,各MP实时采集感知环境中K条无线链路的接收信号强度值,将采集到的接收信号强度值进行存储,当ton时刻的第K条链路数据量累计为一个窗长时,则对ton时刻窗口数据进行类别的判断;步骤十、采用步骤四相同的方法对K条链路当前滑窗中的数据进行滤波,滤波后的信号强度值步骤十一、采用步骤五相同的方法将滤波后的K条链路ton滑窗内数据归一化,结果记为步骤十二、采用步骤九的方法,建立K条链路在ton时刻的归一化RSS序列的相...
【专利技术属性】
技术研发人员:田增山,张小娅,李玲霞,高罗莹,王勇,谢良波,聂伟,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。