基于微多普勒特征和支持向量机的人体步态识别方法技术
【技术实现步骤摘要】
本专利技术涉及雷达
和模式识别领域，具体涉及一种基于微多普勒特征和支持向量机的人体步态识别方法。
技术介绍
人体姿态、步态的识别是一门新兴的技术，并且日益显现其重要性。正确而迅速地识别目标人体的姿态和步态，对于判别目标个体是否友好、判定其威胁等级、提供应对措施的有效依据等具有重要意义，相关需求广泛存在于反恐、安保、监控等领域。当前已投入实用的实时目标姿态或步态识别系统大多是基于视频监控和图像处理技术的，基于图像的识别系统识别精度受限、识别过程运算量大、受光照等环境因素影响大、判别结果误差大。另外，基于图像的人体步态识别系统不具备全天候全天时工作能力，限制了其应用范围。雷达是通过发射和接收电磁波进行目标探测和目标特征提取的电子系统。相比于图像获取和处理系统，雷达具备全天候全时段工作能力。除了传统的探测距离功能外，现代雷达普遍具有提取目标更多细节特征的功能。雷达系统通过发射相参脉冲提取运动目标的多普勒信息。近些年来，人们又开始关注目标主体运动速度之外的其它部分运动信息，这些相对于主体的运动反映为微多普勒信息。微多普勒是由目标各部分相对主体运动引起的多普勒效应，可表征目标丰富的状态信息，主要是目标内部相对运动。通过提取微多普勒的特征，可以对目标个体的运动状态进行精细判读和识别。在特定的环境下，人体的运动状态能够代表丰富的信息，比如行进中的人是否摆臂、单臂摆动或双臂摆动，代表着目标个体是否携带包裹、单手携带包裹或双手携带包裹等信息。由于包裹中可能含有武器、爆炸物等，所以若能远程识别人体的摆臂状态，则可对目标状态进行识别，进而可以有效判定目标的威胁等级。专利...
【技术保护点】
一种基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，包括以下步骤：S1：利用雷达采集人体行进时的姿态数据；S2：利用时频分析工具对所述姿态数据进行分析得到对应的时频图；S3：从所述时频图中提取带宽特征和偏置特征，所述带宽特征表示步态引起的正负微多普勒频率的跨度范围，所述偏置特征表示多普勒正负频率相对于中心频率的偏差，偏置值表征着摆臂的对称性；S4：将所述带宽特征和所述偏置特征输入支持向量机中进行姿态识别，以确定所述姿态数据对应的姿态。
【技术特征摘要】
1.一种基于微多普勒特征和支持向量机的人体步态识别方法，其特征在于，包括以下步骤：S1：利用雷达采集人体行进时的姿态数据；S2：利用时频分析工具对所述姿态数据进行分析得到对应的时频图；S3：从所述时频图中提取带宽特征和偏置特征，所述带宽特征表示步态引起的正负微多普勒频率的跨度范围，所述偏置特征表示多普勒正负频率相对于中心频率的偏差，偏置值表征着摆臂的对称性；S4：将所述带宽特征和所述偏置特征输入支持向量机中进行...
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。