一种基于超声波声学的物体检测和分类方法技术

本发明专利技术公开了一种基于超声波声学的物体检测和分类方法，通过允许移动设备在与物体表面接触时通过声音传递振动，从而从振动平台产生和反射的麦克风中捕捉声音信号，通过对特定对象数据的分类模型进行训练，系统能够识别出材料的表面，最终识别出特定位置的物体本身。本发明专利技术在IPhone上搭建并且在十个物体上测试，其探测准确度能够达到90％以上。

A Method of Object Detection and Classification Based on Ultrasound Acoustics

The invention discloses an object detection and classification method based on ultrasonic acoustics. By allowing mobile devices to transmit vibration through sound when contacting object surface, sound signals can be captured from microphones generated and reflected by vibration platform. By training the classification model of specific object data, the system can recognize the surface of material and finally identify the specific location. The object itself. The invention is built on the IPhone and tested on ten objects, and its detection accuracy can reach more than 90%.

【技术实现步骤摘要】
一种基于超声波声学的物体检测和分类方法
本专利技术涉及物体的检测和分类在计算机科学领域和安全领域的应用，具体而言，涉及一种基于超声波声学的物体检测和分类方法。
技术介绍
物体和材料的分类器材对于实现与数字设备的日常近距离交互的新方法非常重要。设想一个移动设备(例如智能手机)与房间里的一些智能照明设备之间进行通信，并能依照其自身位置在桌子上或者在床上来打开或者关闭这些照明设备。类似的，操纵智能设备在一个区域内的工作能够通过将智能手机放在几个不同的位置并将所需要的环境因素映射到手机中来完成。这些利用物体和材料分类的地理防护相关的应用例子能够让我们持有的计算设备更多的了解它周围的环境，尤其是用户通常移动的环境。当今的视觉计算对目标检测需要以环境的知识和经验来完成复杂任务。例如与工具性对象的交互现在能够通过post-WIMP(“窗户，图标，菜单，光标”)完成，包括对用户界面的工作，大多数是图形用户界面，这些界面试图超越窗口、图标、菜单和光标设备的界限。对比之下，可触摸的用户接口设备依赖于实际的物品，大多是连接传感器，需要我们对多个传感器协同工作和测量的配置方法的理解。类似的，泛在计算的视觉依赖于分布式感知来支持有意义的交互和情景感知。对现实世界更先进的感知和学习能够实现新的形式和风格的交互方法，这样就形成了一个全新种类的用户接口。例如一个基于物体检测系统的智能雷达能够帮我们来监测和清除种植区域的外来物种(如图1，为现有技术中一个检测蔬菜园中物体的雷达系统的例图)，移除战斗地区的爆破设备，或者是判决一条道路是否足够干净来让自动驾驶车辆行驶。这篇论文中，我们探讨了商用现货(COTS)计算设备识别所接触到的物体和材料的潜力和可能性。我们使用超声波声学特征和新型的感知机制来探索同一个传输设备所收到的声音反射信号的变化。超声波位于人耳很难发觉的频谱范围，同时也拥有一些其他声音频率范围所没有的独特的性质。这些性质让从特定物体反射的反射超声波有着很明显的特征。由于每个物体都是由不同厚度和几何形状的不同特征材料组成的，使得超声信号的反射、折射和散射具有唯一性。反射信号的特征被提取出来然后我们也使用机器学习的方法来区分这些材料。我们证明了从反射信号中提取有意义并且丰富的特征是可行的，这些特征提供了声音信号从反射目标反射回来的信息，从而为新的交互应用提供了可能性，可以方便地移植到COTS设备上。图2为现有技术中给基于超声波的智能手机系统的目标应用图。除了人机交互(HCI)的应用场景，我们的论证也为在导航系统，顾客交互，工业自动化等领域提供新的机遇，同时也能够以此来帮助有视觉障碍的用户们。据我们所知，没有其他论文论证使用超声波来检测和预测用户环境中的物品信息。目前我们还没有在超声声频范围内发现这种方法，但是在典型的雷达范围内提出了很多方法可以用来检测运动抑或是静止的对象。这些雷达方面的方法已经应用到了飞机的追踪，非破坏性的测试和评估，安检扫描和数不清的其他应用中。使用雷达的一个劣势是为了一些应用，我们必须使用专用的甚至很庞大的硬件模块，例如追踪室内的一个移动的物体。比较而言，我们证明了用COTS设备的超声波能够完成一些基础的物体识别的功能，这样也能够在各种应用中实现一些全新的交互方式。以下我们列举出我们的几点贡献：(1)探究了超声波信号来获取详细的能够揭示物体类型的特征信息。(2)扩展了COTS设备上的超声波使用的潜能来实现一个物品分类的基本功能，这项功能在过去只有在昂贵的硬件和技术下才有可能实现。(3)通过他们的材料特性区分一系列的日常物品和其构成材料。(4)大量的研究表明我们的信号处理方法足够精确到能够来检测并区分不同的物体，同时在现实的生活场景中有很好的用处。(5)鉴别不同现实场景中的潜在应用程序和用例。(6)鉴别与智能设备(如智能手机、智能手表等)一起使用的环境感知应用程序。(7)我们特别用三个有趣的应用程序来测试我们的系统，(i)对象分类(ii)干壁检测和(iii)检测空旷的一盒充用不同大小的对象(图2)。目前技术的局限：材料和物体检测的应用在现在并不是个新的话题。之前的关于物体和材料检测的工作由于以下几点原因难以应用：(1)基于雷达的方法利用发送的电磁波，这些电磁波在碰到了移动或者静止的会反射回来。这种方法需要专门的硬件来作为发送方和接收方，这两方工作在相同的频率上。此外，雷达的工作频率从1GHz变化到300GHz，由于大部分雷达器件工作在不同的频段，所以多种不同雷达信号的检测硬件之间不能相互兼容。而且它们需要在复数参数中进行准确的计算，例如多普勒效应的计算，信号的传播时间等，来让物体的识别变为可能。还有一点是雷达的硬件设备尺寸变动大，最大能到一辆轿车的尺寸。基于雷达的方法来说，最关键的限制是当需要自定设置是非常难以布置而且非常昂贵。(2)基于视觉的方法依赖与被检测的物体是否能够较好的被看到和照明。基于视觉的方法可能还需要物体在设备的范围之内以便能够取得被检测物体的各个角度的高分辨度的照片。一旦那个物品的图片被照下，系统就会运行一个复杂的算法组来提取图片中的特征，这通常都会比其他的物体检测的设备和技术花费更多的时间和资源。对于基于视觉和声音的方法，最关键的限制是它们会造成隐私入侵；进一步来说，基于视觉的方法需要好的灯光照射。(3)基于传感器的方法变化较多，从简单的非破坏性的图片到破坏性的应用。这种基于传感器的物体检测方法的例子有射频频率识别(RFID)，快速响应(QR)码，超声波和近红外的应用。所有的这些方法还是需要特别的硬件和物品的曝光，例如QR码要求目标标签准确的在扫描器前面，而且不能以不易阅读的角度出现。(4)WiFi或者蓝牙信号也用来做物体检测。WiFi信号通常对最微小的环境变化都很敏感。使用60GHz的WiGi信号也需要专门的方向性的收发器因为信号很容易由于物体远离检测设备而变得衰弱。进一步说，这些信号很容易被一些人类在房间的移动遮挡屏蔽，因而让物体检测的应用变得更加不可靠。图3为现有技术中超声波信号和不同材料的交互图。
技术实现思路
针对现有技术中存在的问题，本专利技术提出一个基于超声波信号的物体识别和材料区分的方法，使用COTS设备(例如智能手机，笔记本电脑，智能手表)来实现其功能。一个典型的基于超声波的物体检测系统包括一个同时拥有麦克风和扬声器的设备或者各自拥有麦克风和扬声器的两个设备，这两个设备要根据应用场景放在彼此的旁边(图2)。扬声器被用来产生频率范围在17KHz到22KHz之间的超声波的声波信号，具体的频率要根据硬件所支持的范围，而麦克风被用来接收相同的频率范围内的超声波信号。超声波信号在不同的时间间隔来(例如5，10，15秒)发出。基于超声波的物体检测系统背后在于超声波所在的频率范围不容易被人耳所察觉，同时越高的频率意味着更多的信息能够被插入到或者从信号中提取出，例如500KHz。由于超声波信号波是沿纵向传播的，例如压缩和膨胀，而不是横向的运动(边到边)，他们有更高的几率被不同的材料依据其特性来遮挡，反射或者散射(图3)。如果所有的这些信号中的变化在不同的物体中是不同的，那么提取出其中的特征来表示这些接收信号的扰动是很有可能的。最后，利用接收信号的改变和变动，我们能够使用机器学习的技术来分类本文档来自技高网...

【技术保护点】
1.一种基于超声波声学的物体检测和分类方法，其特征在于：步骤一、通过扬声器来广播超声波信标，之后这些超声波信标会被靠近发送设备的物体反射给发送设备(智能手机或者笔记本电脑)；步骤二、通过麦克风收到反射回来的超声波信标；步骤三、将信号通过滤波器以滤除噪声和尖峰；步骤四、将所感兴趣的频率范围切片；步骤五、从所受到的并被滤波之后的超声波信号所形成的帧中提取出频域特征；步骤六、在提取出来的特征上使用一定数量的分类器来得到一个鲁棒且精准的总体分类器，然后区分物体；步骤七、对于连续超声信号包含多个反射源信息的应用，将信号划分为较小的帧，并运行检测算法对特征发生显著变化的帧进行识别。

【技术特征摘要】
1.一种基于超声波声学的物体检测和分类方法，其特征在于：步骤一、通过扬声器来广播超声波信标，之后这些超声波信标会被靠近发送设备的物体反射给发送设备(智能手机或者笔记本电脑)；步骤二、通过麦克风收到反射回来的超声波信标；步骤三、将信号通过滤波器以滤除噪声和尖峰；步骤四、将所感兴趣的频率范围切片；步骤五、从所受到的并被滤波之后的超声波信号所形成的帧中提取出频域特征；步骤六、在提取出来的特征上使用一定数量的分类器来得到一个鲁棒且精准的总体分类器，然后区分物体；步骤七、对于连续超声信号包含多个反射源信息的应用，将信号划分为较小的帧，并运行检测算法对特征发生显著变化的帧进行识别。2.根据权利要求1所述的基于超声波声学的物体检测和分类方法，其特征在于：材料类别区分使用破坏性方法或者非破坏性方法对材料类型作区分；物体类型识别也使用破坏性和非破坏性的方法来达成，其中破坏性的方法是依赖于采取该物品的物理样本然后使用光谱学和色层分析法实现，非破坏性或者非扰乱性的物体检测方法是那种依赖于对现有目标的感知，基于视觉的方法来抓住物体的不同角度，并用不同级别的清晰度来拍摄用来检测和识别物体；上下文识别和标识是指描述一个物体所在的环境或者情景。3.根据权利要求1所述的基于超声波声学的物体检测和分类方法，其特征在于：超声波信标的抓取和噪声消除：超声波信标的传播损耗随着信号传播距离的增加而增大，将超声的所有损失建模为：其中f是超声波的单音频率，ln是相对于lnr而言传输的距离，路径损失指数j定义了介质损耗，常数a是较早定义的吸收系数；对声信号进行了中值滤波，作为第一层滤波来去除信号中的峰值和瞬变，由于信号包含所有频率的噪声，使用巴特沃斯滤波器作为噪声消除机制，采样频率的Fs＝44,100Hz，让巴特沃斯滤波器的截止频率ωc，这个截止频率应用在所有的时间序列数据中。4.根据权利要求3所述的基于超声波声学的物体检测和分类方法，其特征在于：将超声数据从外部噪声中过滤出来，对数据进行分割，只取具有起始和结束频率范围的超声段，即fs和fe；使用带通滤波器来...

【专利技术属性】
技术研发人员：刘向阳，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东,44