基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法技术

本发明专利技术公开了一种基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法，该方法首先通过接收机接收来自发射机预编码后的信号波形；其次将接收到的信号分割成一段段信号，对每段信号进行短时傅里叶变换得到变换矩阵，并计算变换矩阵的方差向量得到极差值；最后将极差值放入预先对训练数据进行聚类并使用贝叶斯进行分类得到的贝叶斯分类器中进行分类，根据分类结果判断隔墙人体是否运动。本发明专利技术采用K均值聚类和贝叶斯分类，能有效地检测隔墙人体运动与否，极大地提高了隔墙人体运动检测的准确性。

【技术实现步骤摘要】

本专利技术涉及一种隔墙人体运动检测方法，更具体地说是一种基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法。技术背景一般视距内的人体检测，可以使用诸如红外、摄像机等光电设备来进行检测。这些技术常见于艺术馆和银行的入侵检测中。但是这些技术有很大的局限性，无法胜任对于石木质、混凝土等非透明介质墙体(或遮蔽物)后方物体的检测，所以采用的检测技术需具有透视效果。目前具有透视效果的检测技术常见有基于X射线和超声波回波等方式，可是这几种透视技术都不能很好地适应目前对于穿墙人体检测的需求。X射线属于高能量射线，虽然能够穿透墙体，但是对人体有很大的伤害；而超声波回波对分层的介质有比较大的衰减。综上所述，采用对墙体有良好穿透性、对人体伤害可以忽略不计的特定频率电磁波作为隔墙人体运动检测的发射信号具有很好的可行性。电磁波作为发射信号，可穿透木门、混凝土墙等非金属介质，实现对墙后运动目标的探测。在防暴和紧急救援等特殊行动中，能否有效探测出房间内或墙壁后的人体运动信息将对作战和救援产生重大的影响，可以大幅度地减少伤亡人数。因此，能够对墙壁、木门等非金属、透明介质后方物体的检测技术受到了越来越多的关注。传统的穿墙超宽带雷达虽然能够实现隔墙人体运动的检测，但是其占用大量的带宽，发射功率大，且有非常大的天线阵列。而占用带宽小，发射功率低、体积较小的无线通信设备来实现隔墙人体运动检测具有非常大的挑战性，要在强噪声下实现弱目标的检测。目前关于这种便携式设备实现的隔墙人体运动检测方法的技术有待深入研究与探讨。
技术实现思路
本专利技术的目的在于提出一种基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法，能够有效地检测出隔墙人体是否运动，提高检测准确性。本专利技术的目的是通过以下技术方案来实现的：一种基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法，该方法包括以下步骤：步骤1，在墙的一侧布置第一发射机、第二发射机和接收机；首先第一发射机发送原始信号，接收机接收信号后，第二发射机发送同样的原始信号，接收机接收信号；然后通过两次接收的信号计算第二发射机的预编码信号；最后两台发射机同时发射信号，第一发射机发送原始信号，第二发射机发送预编码信号；步骤2，接收机接收到两台发射机同时发送的叠加后的信号，并对接收到的信号按时间进行均匀分割；步骤3，对步骤2分割的每段信号进行短时傅里叶变换，得到一个短时傅里叶变换矩阵Am×n，m代表傅里叶变换(FFT)的频率点个数，n是根据窗函数大小以及重叠数计算得到的每段信号的时间点个数，矩阵中的元素Aij表示在i频率，j时间点的短时傅里叶变换值；步骤4，对步骤3得到的短时傅里叶变换矩阵Am×n进行方差统计，即计算每个时间点上所有频率点对应的短时傅里叶变换值的方差vj，最终得到这段信号所有时间点上的方差向量v1×n；同时对短时傅里叶变换矩阵Am×n进行绝对中位差统计，得到绝对中位差向量MAD1×n；步骤5，计算方差向量v1×n的极差值vrange，即vrange＝vmax-vmin，vmax为方差向量v1×n中的最大值，vmin为方差向量v1×n中的最小值；同理计算绝对中位差向量MAD1×n极差值MADrange；步骤6，分别根据步骤1-5计算隔墙有人运动时的极差值v′range、MAD'range和隔墙无人运动时的极差值v″range、MAD\range；采用K均值(Kmeans)方法对两种情况下的极差值进行聚类聚合成两簇，并将极差值和聚类结果作为训练集进行贝叶斯分类，得到一个贝叶斯分类器；步骤7，在进行隔墙人体运动检测时，根据步骤1-5计算一段信号的极差值vrange和MADrange，将极差值vrange和MADrange放入步骤6得到的贝叶斯分类器进行分类，如果贝叶斯分类器将其分类成隔墙人体运动情况，则该时刻隔墙人体在运动；而将其分为另一类，则隔墙没有人体在运动；对步骤2分割的每段信号重复该步骤，从而可以给出隔墙人体运动的时刻。本专利技术所述的基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法，可以检测出隔墙是否有人体运动。与现有技术相比，本专利技术具有如下优势：1、采用K均值聚类和贝叶斯分类计算信号波形的相似度，相比阈值检测以及其他检测方法，不需要去选择合适的阈值；而是由分类器来进行分类，分类的标准由分类器决定；2、可以实现实时检测，根据接收到的信号进行相应的信号处理，并实时给出检测出的运动朝向的结果；3、可以适应不同的环境以及不同的人体运动模式，而不用事先针对环境以及运动模式的改变而进行相应的改变；4、检测盲区小，在有效的检测区域都可以实现检测。附图说明图1是发射机和接收机的流程图；图2是基于K均值聚类和贝叶斯分类的隔墙人体运动检测信号处理流程图；图3是K均值聚类结果。具体实施方式以下结合附图对本专利技术作进一步详细说明。本专利技术给出了一种基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法，信号的发送和接收过程如图1所示，所用到的是两台发射机和一台接收机。首先，第一发射机发送信号，接收机接收到信号；其次第二发射机发送与第一发射机同样的信号，接收机接收到信号；然后根据两次接收到的信号，计算出预编码后的信号；最后让两台发射机同时发送信号，接收机接收信号。这里第一发射机还是发送原来的信号，而第二发射机则是发送刚刚计算出来的预编码后的信号。在上述信号发送与接收的基础上，本专利技术所述的检测方法，如图2所示，包括以下步骤：步骤1，首先让接收机和两台发射机放在墙的一侧运行一段时间，接收机将接收到来自墙后以及墙这边的多种反射信号叠加的信号；步骤2，对接收到的信号按时间进行均匀分割，将其分割成一段段的小信号，这里具体分割成1s的信号数据；步骤3，对分割后的每段小信号进行短时傅里叶变换(STFT)STFT(t,ω)＝∫s(t')ω(t'-t)e-jωt'dt'，得到一个短时傅里叶变换矩阵Am×n，该矩阵的行数m代表了使用多少点的傅里叶变换(FFT)，即有多少个频率点；而矩阵的列数n则是根据窗函数大小以及重叠数计算得到的每段小信号的时间点个数。所以该变换矩阵不仅与频率有关，而且与时间也有关，矩阵中的元素Aij表示在i频率，j时间点的短时傅里叶变换值；步骤4，对步骤3得到的短时傅里叶变换矩阵Am×n进行方差统计，即计算每个时间点上所有频率点对应的短时傅里叶变换值的方差vj，最终得到这段信号所有时间点上的方差向量v1×n；本文档来自技高网...

【技术保护点】
一种基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法，其特征在于，该方法包括以下步骤：步骤1，在墙的一侧布置第一发射机、第二发射机和接收机；首先第一发射机发送原始信号，接收机接收信号后，第二发射机发送同样的原始信号，接收机接收信号；然后通过两次接收的信号计算第二发射机的预编码信号；最后两台发射机同时发射信号，第一发射机发送原始信号，第二发射机发送预编码信号；步骤2，接收机接收到两台发射机同时发送的叠加后的信号，并对接收到的信号按时间进行均匀分割；步骤3，对步骤2分割的每段信号进行短时傅里叶变换，得到一个短时傅里叶变换矩阵Am×n，m代表傅里叶变换(FFT)的频率点个数，n是根据窗函数大小以及重叠数计算得到的每段信号的时间点个数，矩阵中的元素Aij表示在i频率，j时间点的短时傅里叶变换值；步骤4，对步骤3得到的短时傅里叶变换矩阵Am×n进行方差统计，即计算每个时间点上所有频率点对应的短时傅里叶变换值的方差vj，最终得到这段信号所有时间点上的方差向量v1×n；同时对短时傅里叶变换矩阵Am×n进行绝对中位差统计，得到绝对中位差向量MAD1×n；步骤5，计算方差向量v1×n的极差值vrange，即vrange＝vmax‑vmin，vmax为方差向量v1×n中的最大值，vmin为方差向量v1×n中的最小值；同理计算绝对中位差向量MAD1×n的极差值MADrange；步骤6，分别根据步骤1‑5计算隔墙有人运动时的极差值v′range、MAD'range和隔墙无人运动时的极差值v″range、MADrange；采用K均值(Kmeans)方法对两种情况下的极差值进行聚类聚合成两簇，并将极差值和聚类结果作为训练集进行贝叶斯分类，得到一个贝叶斯分类器；步骤7，在进行隔墙人体运动检测时，根据步骤1‑5计算一段信号的极差值vrange和MADrange，将极差值vrange和MADrange放入步骤6得到的贝叶斯分类器进行分类，如果贝叶斯分类器将其分类成隔墙人体运动情况，则该时刻隔墙人体在运动；而将其分为另一类，则隔墙没有人体在运动；对步骤2分割的每段信号重复该步骤，从而可以给出隔墙人体运动的时刻。...

【技术特征摘要】
1.一种基于K均值聚类和贝叶斯分类的隔墙人体运动检测方法，其特征在于，
该方法包括以下步骤：
步骤1，在墙的一侧布置第一发射机、第二发射机和接收机；首先第一发射
机发送原始信号，接收机接收信号后，第二发射机发送同样的原始信号，接收
机接收信号；然后通过两次接收的信号计算第二发射机的预编码信号；最后两
台发射机同时发射信号，第一发射机发送原始信号，第二发射机发送预编码信
号；
步骤2，接收机接收到两台发射机同时发送的叠加后的信号，并对接收到的
信号按时间进行均匀分割；
步骤3，对步骤2分割的每段信号进行短时傅里叶变换，得到一个短时傅里
叶变换矩阵Am×n，m代表傅里叶变换(FFT)的频率点个数，n是根据窗函数大
小以及重叠数计算得到的每段信号的时间点个数，矩阵中的元素Aij表示在i频
率，j时间点的短时傅里叶变换值；
步骤4，对步骤3得到的短时傅里叶变换矩阵Am×n进行方差统计，即计算每
个时间点上所有频率点对应的短时傅里叶变换值的方差vj，最终得到这段信号
所有时间点上的方差向量v1×n；同时对短时傅里叶变换矩阵Am×...

【专利技术属性】
技术研发人员：张志浩，史治国，陈积明，程鹏，王琦，孙优贤，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33