【技术实现步骤摘要】
本专利技术属于特征提取、模式识别和行为检测领域，具体涉及一种无线非绑定人体行为检测算法。
技术介绍
目前随着科学技术的发展以及人们生活水平的提高，智能家居理念与虚拟现实技术得到了迅速的发展。如人们可以在室内通过特定手势操控智能设备，通过肢体行为模拟操作实现更佳的游戏体验与人机交互。同时人们对于生活监控技术也提出了新的要求。通过检测人们的坐姿睡姿，是否吸烟等异常行为反映人们身体状况的健康监测系统；能够在老人或者幼儿发生跌落或摔倒前及时做出提示并通知医护人员与家人的生活预警系统。上述技术的实现的前提均是要求系统能够准确检测并识别人们的肢体行为。目前实现人体行为检测的方法主要有基于摄像头的图像识别算法，基于传感器与基于wifi信号的检测算法。基于摄像头的图像识别算法通常能实现一个高精度的行为检测系统，但是这样的系统要求人们必须处于摄像头的监测范围之内，在障碍物以及光线的影响下极易产生监控盲区，同时系统也对人们的隐私生活造成了极大的干涉。基于传感器的检测算法要求用户在身体上绑定特殊设备进行行为感知这样的系统虽然不会对用户隐私产生影响，但是却无法满足使用的便捷性。基于wifi信号的检测算法通过分析人体行为对信号频率、振幅等特征产生的不同变化模式来识别肢体行为，由于这些信号特征中包含的信息较少，且现有系统不具有分析复杂肢体行为的能力，使得系统识别准确度与实用性受到一定的局限。
技术实现思路
为了解决现有技术中的问题，本专利技术提出一种通过分析信道状态信息的不同变化模式来识别人体行为，能够在实现较高识别准确度的同时，满足方便性与安全性的一种无线非绑定人体行为检测算法。为了...
【技术保护点】
一种无线非绑定人体行为检测算法，其特征在于，包括以下步骤：1)系统部署及模型初始化：无线发射端建立波形稳定的wifi场，在wifi场内执行各个元动作，无线接收端接收wifi信号并计算各个元动作的CSI值，并对各个元动作的CSI值进行噪音过滤后，按照时序画出各个元动作的CSI相位角的变化波形图，保存波形变化序列特征作为元动作模板序列特征，完成初始化；2)待识别动作序列特征提取：用户在wifi场内执行待识别动作，无线接收端计算完成待识别动作的CSI值，并对待识别动作的CSI值进行噪音过滤后，绘制待识别动作的CSI相位角的时序变化波形图，保存波形变化特征作为待识别动作序列特征；3)行为识别：3.1)对待识别动作的CSI相位角的时序变化波形图进行边缘检测，确定动作执行的起始与终止时刻；3.2)利用动态时间规整计算所有元动作模板序列特征两两之间的距离值，并对以上距离值求平均值作为阈值T；3.3)利用动态时间规整对待识别动作序列特征与各个元动作模板序列特征逐一进行匹配，并依次计算待识别动作序列特征与各个元动作模板序列特征间的距离值，若距离值不是均大于阈值T，则选择距离值最小的元动作作为待识别动作的...
【技术特征摘要】
1.一种无线非绑定人体行为检测算法，其特征在于，包括以下步骤：1)系统部署及模型初始化：无线发射端建立波形稳定的wifi场，在wifi场内执行各个元动作，无线接收端接收wifi信号并计算各个元动作的CSI值，并对各个元动作的CSI值进行噪音过滤后，按照时序画出各个元动作的CSI相位角的变化波形图，保存波形变化序列特征作为元动作模板序列特征，完成初始化；2)待识别动作序列特征提取：用户在wifi场内执行待识别动作，无线接收端计算完成待识别动作的CSI值，并对待识别动作的CSI值进行噪音过滤后，绘制待识别动作的CSI相位角的时序变化波形图，保存波形变化特征作为待识别动作序列特征；3)行为识别：3.1)对待识别动作的CSI相位角的时序变化波形图进行边缘检测，确定动作执行的起始与终止时刻；3.2)利用动态时间规整计算所有元动作模板序列特征两两之间的距离值，并对以上距离值求平均值作为阈值T；3.3)利用动态时间规整对待识别动作序列特征与各个元动作模板序列特征逐一进行匹配，并依次计算待识别动作序列特征与各个元动作模板序列特征间的距离值，若距离值不是均大于阈值T，则选择距离值最小的元动作作为待识别动作的识别结果；若距离值均大于阈值T，则识别失败，跳转至步骤2)重新进行识别，若距离值还是均大于阈值T，则将该待识别动作序列特征作为元动作模板序列特征保存。2.根据权利要求1所述的一种无线非绑定人体行为检测算法，其特征在于，所述的步骤1)中系统部署时在静止环境下需要对wifi场进行调试：无线发射端发射的信号波形为X，无线接收端接收到的信号波形为Y，Y与X的比值即为静止环境下的CSI值，值为复数，无线接收端绘制CSI相位角时序波形图，若波形波动范围小于0.2dBm，则认为波形稳定；否则提高信号发射功率后，再绘制CSI相位角时序波形图，直至波形波动范围小于0.2dBm。3.根据权利要求1所述的一种无线非绑定人体行为检测算法，其特征在于，所述的步骤1)中对各个元动作的CSI值和所述步骤2)中对待识别动作的CSI值采用小波变换来实现噪音过滤。4.根据权利要求3所述的一种无线非绑定人体行为检测算法，其特征在于，所述的小波变换采用多贝西小波db3对CSI值进行噪音过滤处理。5.根据权利要求4所述的一种无线非绑定人体行为检测算法，其特征在于，所述的小波变换采用三阶小波变换进行噪音过滤处理：(1)第一阶小波变换的公式如下： x 1 , L [ n ] = Σ k = 0 ∞ x [ 2 n - k ] g [ k ] x 1 , H [ n ] = Σ k = 0 ∞ x [ 2 n - k ] h [ k ] ]]>其中，x[2n-k]表示原始输入信号；n表示的是数组索引；k表示循环求和变量，从0到正无穷遍历；g[k]和h[k]分别表示低通与高通权系数，g[k]和h[k]由db3小波确定；从而得到一阶低频小波系数x1,L[n]与一阶高频小波系数x1,H[n]，下标1表示第一阶小波变换，x1,L[n]和x1,H[n]系数分别对应于原始输入信号的低频分量与高频分量；(2)第二阶小波变换将x1,L[n]作为输入信号，得到第二阶小波变换的公式如下： x 1 , L [ n ] = Σ k = 0 ∞ x 1 , L ...
【专利技术属性】
技术研发人员：蔡远航，马蓉，惠维，赵鲲，韩劲松，赵季中，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
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。