一种基于网络可视图的人体朝向检测方法技术

一种基于网络可视图的人体朝向检测方法，利用普通的设备搭建室内无线信道信息数据采集平台，定位分为两个阶段：离线训练阶段和在线测试阶段；离线阶段采集人体在不同朝向的信道状态信息数据，经过预处理，然后对数据进行网络化，提取网络特征，并标准化处理后存入不同朝向的指纹库，建立朝向‑数据指纹的映射关系；在线阶段，对数据进行同样的处理，并利用机器学习算法对测试数据进行分类检测；同时，为测试分类的准确度，综合利用了信道状态信息数据的幅度和相位信息，观察三种情况下的分类结果。本发明专利技术能够以较低的成本有效实现对室内人员的朝向检测。本发明专利技术在体感游戏、盲人识向等领域具有一定的应用价值。

A human orientation detection method based on Network View

A network view based human orientation detection method, using common equipment to build the indoor wireless channel information data acquisition platform, the positioning is divided into two stages: off-line training stage and online testing stage; off-line phase acquisition of human body in different direction of the channel state information data, after preprocessing, then logarithm According to the network, the characteristics of the network are extracted, and the fingerprint Library of different orientation is stored in the standardized processing, and the mapping relation of the data fingerprint is established. The same processing is carried out on the data in the online stage, and the test data are classified and detected by the machine learning algorithm. In the same time, the accuracy of the classification is integrated. We use the amplitude and phase information of channel state information to observe the classification results in three cases. The invention can effectively detect the orientation of indoor personnel at a low cost. The invention has certain application value in somatosensory games, blind person recognition and other fields.

【技术实现步骤摘要】
一种基于网络可视图的人体朝向检测方法
本专利技术涉及人体感知领域，尤其涉及一种基于网络可视图的人体朝向检测方法。
技术介绍
朝向检测是人体感知的一个重要方面，如果能够判断和估计出人体的具体朝向，从而就能推断出其人员当前的活动状态。被动人体朝向的检测在很多领域都有很好的应用前景。在体感游戏方面，目前大多数感知技术都依赖于特定的传感器,繁琐的设备佩戴过程和较为昂贵的设备成本都对体感游戏的普及产生了一定的影响,利用无线信号进行人体状态判断可以提高玩家的游戏体验；在商业智能方面，如何在一个大型商场中的巨大人流中确定出顾客的消费兴趣点，对商场管理和商品摆放调整都具有巨大价值，通过朝向检测辅助室内定位技术可以判断消费者正在浏览的商品，从而统计消费者的消费兴趣点；在医学方面，朝向的检测可以帮助我们更好掌握临床病人的整体状况，对紧急状况进行监测。如今大部分技术都是利用激光、传感器、视频等需要佩戴或专有设备的方法实现对人体朝向的检测，存在一定的环境不适合、产品昂贵等问题。
技术实现思路
为了克服现有的人体朝向检测方式的部署复杂，抗干扰能力较弱，且价格高昂的不足，本专利技术提出了一种基于网络可视图的人体朝向检测方法，实现对人体朝向的检测，部署简单，抗干扰能力较强，且价格低廉。为实现上述的目标，本专利技术采用的技术方案为：一种基于网络可视图的人体朝向检测方法，包括以下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：首先，通过离线训练阶段来构建指纹库，人体站在某一个特征网格中，先保持静止状态，然后进行朝向变化，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN；其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：先取1对天线对上的数据进行预处理；步骤4：网络特征提取阶段，过程如下：步骤4-1：将处理后的幅度信息作为时间序列分别构建出网络可视图(VisibilityGraph,VG)、水平可视图(HorizontalVisibilityGraph,HVG)、有限穿越可视图(LimitedPenetrableHorizontalVisibilityGraph,LPHVG)；步骤4-2：计算所构建可视图的网络特征指标；步骤4-3：对上述提取的网络特征指标用Z-score归一化方法进行处理步骤5：对相位信息数据重复步骤4；步骤6：取其它的天线对数据，重复步骤3～步骤5；步骤7：由上述步骤提取的网络特征作为每个朝向的一条指纹，完成不同朝向指纹库的建立；步骤8：在线测试阶段，采集测试数据包；步骤9：对测试数据处理，具体为步骤3～步骤6；步骤10：对测试数据的每个数据样本用机器学习算法进行检测，测试其分类精确度并进行朝向分类；步骤11：记录分类结果。进一步，所述步骤3中，天线对上的数据预处理，包括以下步骤：步骤3-1：将数据分解为幅度信息数据和相位信息数据；步骤3-2：去除幅度信息数据和相位信息数据明显的异常值.再进一步，所述步骤4-1中，所述可视图VG构造过程如下：在幅度/相位的时间序列数据中，节点为垂直条的顶部，如果两个节点可以“看到”彼此，即连接两个节点顶点的连线不与它们之间的任何数据垂直条相交时，则连接两个节点，即：(fa,Ya)与(fb,Yb)为时间序列中的两个任意数据点，如它们之间的任意其他数据点(fc,Yc)均满足：则连接两点，从而构建出可视图。更进一步，所述步骤4-1中，所述水平可视图HVG构造规则如下：如果两个数据点(fa,Ya)与(fb,Yb)的水平连线没有穿过中间的其他任意数据点，即满足：Ya＞Yc,Yb＞Yc,(a＜c＜b)则连接两点，从而构建出水平可视图。所述步骤4-1中，所述有限穿越可视图LPHVG构造规则如下：由HVG网络变形而来，这里限制两条水平连接的垂直竖线有且只能穿透它们之间的一条竖线，即被它们之间的一条竖线阻挡，则这两点相连，从而构建出有限穿越可视图。所述步骤4-2中，计算所构建的不同可视图的三个网络特征指标，包括：①平均聚类系数其中τi,Δ表示以节点i为中心的闭合三元组个数，τi表示以节点i为中心的三元组个数，ci表示节点i的聚类系数，N为构建网络时的网络节点个数；②聚类系数熵(EC)：其中ci表示节点i的聚类系数，N为网络的节点总数；③度值标准差(kstd)：其中，而ki为网络中节点i的度值,为网络节点的平均度值，N表示所构建网络的节点个数。所述步骤4-3中，所述Z-score归一化处理过程如下：对所提取的网络特征指标用Z-score标准化方法进行处理：XN＝(XO-μ)/σ其中，XN表示归一化后的数据，Xo表示归一化前的数据，μ表示该数据的平均值，σ表示该数据的标准差。本专利技术的有益效果是：1.充分利用了无线局域网设备作为实验平台，部署简单，抗干扰能力较强，且价格低廉，易于普及。2.本专利技术不需人体携带设备、电子标签等，简单可靠，在体感游戏、盲人识向等领域具有一定的应用价值；3.本专利技术把时间序列网络化的思想应用到了朝向检测，为朝向实验提供了一个新的研究思路；4.主要应用了机器学习算法SVM、KNN，对数据量较大的情况同样具有较好的分类效果。附图说明图1是室内人体朝向检测平台结构示意图；图2是数据采集检测系统在环境1下的具体实施示意图；图3是数据采集检测系统在环境2下的具体实施示意图；图4是本专利技术在环境1下的朝向检测性能；图5是本专利技术在环境2下的朝向检测性能；图6是可视图VG构造过程示意图，其中，(a)时间序列采样点(10个数据点)(b)可视图；图7是水平可视图HVG构造过程示意图，其中，(a)时间序列采样点(10个数据点)(b)水平可视图；图8是有限穿越可视图LPHVG构造过程示意图，其中，(a)时间序列采样点(10个数据点)(b)有限穿越可视图。具体实施方式下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。参照图1～图8，一种基于网络可视图的人体朝向检测方法，包括以下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：人体站在某一个特征网格中，先保持静止状态，然后进行朝向变化，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN。其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：取第1对天线对上的数据进行预处理，包括以下两个步骤：步骤3-1：将数据分解为幅度信息数据和相位信息数据；步骤3-2：去除幅度信息数据和相位信息数据明显的异常值；步骤4：特征提取阶段，过程如下：步骤4-1：将处理后的幅度信息作为时间序列分别构建出网络可视图(VisibilityGraph,VG)、水平可视图(HorizontalVisibilityGraph,HVG)、有限穿越可视图(LimitedPenetrableHorizontalVisibilityGraph,LPHVG)；其中，可视图VG构造具体过程如下：在时间序列中，如果两个节点(垂直条的顶部)可以“看到”彼此，即连接两个节点顶点的连线不与它们之间的任何数据相交时，则连接两个节点；即：(fa,Ya)与(fb,Yb)为时间序列中的两个任意数据点，如它们本文档来自技高网...

【技术保护点】
1.一种基于网络可视图的人体朝向检测方法，其特征在于，该方法包括如下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：首先，通过离线训练阶段来构建指纹库，人体站在某一个特征网格中，先保持静止状态，然后进行朝向变化，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN；其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：先取1对天线对上的数据进行预处理；步骤4：网络特征提取阶段，过程如下：步骤4‑1：将处理后的幅度信息作为时间序列分别构建出网络可视图VG、水平可视图HVG和有限穿越可视图LPHVG；步骤4‑2：计算所构建可视图的网络特征指标；步骤4‑3：对上述提取的网络特征指标用Z‑score归一化方法进行处理步骤5：对相位信息数据重复步骤4；步骤6：取其它的天线对数据，重复步骤3～步骤5；步骤7：由上述步骤提取的网络特征作为每个朝向的一条指纹，完成不同朝向指纹库的建立；步骤8：在线测试阶段，采集测试数据包；步骤9：对测试数据处理，具体为步骤3～步骤6；步骤10：对测试数据的每个数据样本用机器学习算法进行检测，测试其分类精确度并进行朝向分类；步骤11：记录分类结果。...

【技术特征摘要】
1.一种基于网络可视图的人体朝向检测方法，其特征在于，该方法包括如下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：首先，通过离线训练阶段来构建指纹库，人体站在某一个特征网格中，先保持静止状态，然后进行朝向变化，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN；其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：先取1对天线对上的数据进行预处理；步骤4：网络特征提取阶段，过程如下：步骤4-1：将处理后的幅度信息作为时间序列分别构建出网络可视图VG、水平可视图HVG和有限穿越可视图LPHVG；步骤4-2：计算所构建可视图的网络特征指标；步骤4-3：对上述提取的网络特征指标用Z-score归一化方法进行处理步骤5：对相位信息数据重复步骤4；步骤6：取其它的天线对数据，重复步骤3～步骤5；步骤7：由上述步骤提取的网络特征作为每个朝向的一条指纹，完成不同朝向指纹库的建立；步骤8：在线测试阶段，采集测试数据包；步骤9：对测试数据处理，具体为步骤3～步骤6；步骤10：对测试数据的每个数据样本用机器学习算法进行检测，测试其分类精确度并进行朝向分类；步骤11：记录分类结果。2.根据权利要求1所述的方法，其特征在于，所述步骤3中，天线对上的数据预处理，包括以下步骤：步骤3-1：将数据分解为幅度信息数据和相位信息数据；步骤3-2：去除幅度信息数据和相位信息数据明显的异常值。3.根据权利要求1或2所述的方法，其特征在于，所述步骤4-1中，所述可视图VG构造过程如下：在幅度/相位的时间序列数据中，节点为垂直条的顶部，如果两个节点可以“看到”彼此，即连接两个节点顶点的...

【专利技术属性】
技术研发人员：吴哲夫，樊坤鹏，翔云，傅晨波，宣琦，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33