一种基于雷达及模式识别的行人姿态识别方法及系统技术方案

本发明专利技术涉及一种基于雷达及模式识别的行人姿态识别方法及系统,其方法包括对雷达信号的回波信号进行预处理，得到输出信号；将输出信号中的静止目标进行抑制处理；搜索经过抑制处理后的输出信号中的行人所处距离单元；对行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；利用卷积神经网络对回波信号时频图进行识别，得到人姿态识别结果。本发明专利技术的基于雷达及模式识别的行人姿态识别方法，通过对雷达回波的分析，实时的给出行人姿态识别结果，该方法基于雷达实现，不受光照条件、天气、烟雾等因素干扰，能够全天时、全天候工作，工程可实现性强，能够有效地对行人姿态进行高准确率识别，同时不易受各种环境因素影响，系统稳健性好。

【技术实现步骤摘要】
一种基于雷达及模式识别的行人姿态识别方法及系统
本专利技术涉及雷达信号处理及图像识别
，尤其涉及一种基于雷达及模式识别的行人姿态识别方法及系统。
技术介绍
现有技术中对行人的姿态识别大多采用光学摄像机获取图像，然后对获取的图像进行图像识别处理，这样方式中由于受到光照条件、天气、烟雾等环境因素干扰，尤其是在夜间，其识别效果大大折扣，识别准确度不高，甚至出现无法识别的情况，稳定性非常差。因此，这种方式已经不能满足全天24小时等高要求的场合。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于雷达及模式识别的行人姿态识别方法及系统本专利技术解决上述技术问题的技术方案如下：依据本专利技术的一个方面，提供了一种基于雷达及模式识别的行人姿态识别方法,包括如下步骤：步骤1：对雷达信号的回波信号进行预处理，得到输出信号；步骤2：将所述输出信号中的静止目标进行抑制处理；步骤3：搜索经过抑制处理后的所述输出信号中的行人所处距离单元；步骤4：对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；步骤5：利用卷积神经网络对所述回波信号时频图进行识别，得到人姿态识别结果。本专利技术的有益效果是：本专利技术的基于雷达及模式识别的行人姿态识别方法，通过对雷达回波的分析，实时的给出行人姿态识别结果。同时，该方法基于雷达实现，相比于光学摄像机，该专利技术不受光照条件、天气、烟雾等因素干扰，能够全天时、全天候工作。本专利技术方法工程可实现性强，能够有效地对行人姿态进行高准确率识别，同时不易受各种环境因素影响，系统稳健性好。在上述技术方案的基础上，本专利技术还可以做如下改进：进一步：所述步骤1中，所述对回波信号进行预处理具体包括：步骤11：对所述对回波信号进行去调频处理，具体如下：假设雷达信号sref(τ)表示如下：st(τ)＝exp{jπ(2fcτ+γτ2)}其中，fc为发射频率，τ为快时间，t为慢时间，γ为调频频率；所述雷达信号对应的回波信号sr(t,τ)可表示为：sr(t，τ)＝Armexp{jπ(2fc(τ-td(t))+γ(τ-td(t))2)}τ∈(0,Tp]其中，Arm为一个幅值常数，Tp为一个频率调制周期，td(t)为时延，c为光速，a0、a1分别为目标的运动参数；则对所述回波信号进行去调频处理，计算公式为：s0(t,τ)表示去调频处理后的回波信号，sr(t,τ)表示所述雷达信号的回波信号，表示去调频处理后的回波信号的快时间相位，表示解调频参考信号sref(τ)的共轭信号；步骤12：将经过去调频后的所述回波信号s0(t,τ)进行傅里叶变换；步骤13：对傅里叶变换后的所述回波信号srm(t,f)进行离散采样，得到所述输出信号，表示为srm(m,n)。令t＝mΔT，f＝nΔf，其中ΔT，Δf为采样间隔，m为慢时间索引,且m＝0,1,2,…M，M为慢时间采集脉冲数，n为快时间索引，且n＝0,1,2,…N，N为快时间采样点数。上述进一步方案的有益效果是：通过对所述回波信号进行去调频处理，实现了射频信号向基带信号的转换，降低了信号采样率需求，进而使得采集硬件系统更加容易实现，通过对去调频处理后的回波信号进行傅里叶变换，实现了脉冲压缩处理，使单个脉冲的目标回波能量积累，进而可以获取雷达场景中物体的位置和回波能量信息。进一步：所述步骤2中，对所述输出信号沿慢时间维度t采用三脉冲对消方法进行静止目标抑制，且经过抑制后的输出信号表示为sbs(m′,n)；其中，wi(i＝0,1,2)为三阶脉冲对消器的权值，srm(m′,n)表示经过去调频后的输出信号，m′表示经过抑制后的输出信号的慢时间索引，且m′＝0,1,2,…M-2。上述进一步方案的有益效果是：通过对所述输出信号进行静止目标抑制处理，可以对场景中不用于识别的静置物体(如墙壁等)的特征进行抑制，提高了信噪比，使得行人对应的回波能量的多脉冲积累，进一步提高信噪比，待识别的行人的特征凸显出来，便于后续进行姿态识别，提高识别精度和识别效率。进一步：所述步骤3的具体实现为：步骤31：将经过抑制后的输出信号sbs(m′,n)沿慢时间维度求和，得到回波能量序列se(n)，计算公式为：其中，M为回波的总脉冲数，步骤32：选取所述回波能量序列se(n)中能量最大的距离单元n0，并将第n0个距离单元标记为行人所处距离单元。上述进一步方案的有益效果是：通过搜索行人所处距离单元，可以便于后续将行人对应的回波信号从整个输出信号中提取出来。进一步：所述步骤4的具体实现为：选取行人所在的距离单元n0对应的经过抑制后的所述输出信号sbs(m′,n0)，采用滑窗的方式，对经过抑制后的所述输出信号sbs(m′,n0)进行短时傅里叶变换处理，得到所述回波信号时频图。上述进一步方案的有益效果是：通过对经过抑制后的所述输出信号进行短时傅里叶变换处理，可以实现行人微动特征信号的提取，以便后续根据行人的微动特征识别行人姿态。进一步：所述步骤5具体包括：步骤51：初始化所述卷积神经网络的参数和行人姿态分类信息；步骤52：通过样本行人姿态实验获得样本行人姿态的时频图与样本行人当前姿态的标签，并利用所述行人姿态分类信息对所述卷积神经网络进行训练，采用批处理梯度下降法调整所述卷积神经网络参数，使得所述卷积神网络的姿态分类结果与行人的姿态相吻合，并将所述卷积神经网络的参数保存；步骤53：利用训练后的所述卷积神经网络对目标行人的所述回波信号时频图进行识别分类，获得行人姿态实时分类结果。上述进一步方案的有益效果是：通过对所述卷积神经网络进行训练，实现对行人姿态样本库的学习和训练，获取并构建所述卷积神经网络的权系数，并通过对目标行人对应的回波信号时频图进行识别，可以实时获取人体微动时频特征信号，识别人体当前的运动姿态。依据本专利技术的另一个方面，提供了一种基于雷达及模式识别的行人姿态识别系统，包括预处理模块，用于对雷达信号的回波信号进行预处理，得到输出信号；抑制模块，用于将所述输出信号中的静止目标进行抑制处理；搜索模块，用于搜索经过抑制处理后的所述输出信号中的行人所处距离单元；分析模块，用于对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；识别模块，用于利用卷积神经网络对所述回波信号时频图进行识别，得到人姿态识别结果。本专利技术的基于雷达及模式识别的行人姿态识别系统，通过对雷达回波的分析，实时的给出行人姿态识别结果。同时，该方法基于雷达实现，相比于光学摄像机，该专利技术不受光照条件、天气、烟雾等因素干扰，能够全天时、全天候工作。本专利技术方法工程可实现性强，能够有效地对行人姿态进行高准确率识别，同时不易受各种环境因素影响，系统稳健性好。在上述技术方案的基础上，本专利技术还可以做如下改进：进一步：所述预处理模块包括：去调频子模块，用于对所述对回波信号sr(t,τ)进行预处理；变换子模块，用于将经过去调频后的所述回波信号s0(t,τ)进行傅里叶变换；采样子模块，用于对傅里叶变换后的所述回波信号srm(t,f)进行离散采样，得到所述输出信号。上述进一步方案的有益效果是：通过对所述回波信号进行去调频处理，实现了射频信号向基带信号的转换，降低了信号采样率需求，进而使得采集硬件系统更加容易实现，通过对去调频处理后的回波信号进行傅里叶变本文档来自技高网...

【技术保护点】
1.一种基于雷达及模式识别的行人姿态识别方法，其特征在于,包括如下步骤：步骤1：对雷达信号的回波信号进行预处理，得到输出信号；步骤2：将所述输出信号中的静止目标进行抑制处理；步骤3：搜索经过抑制处理后的所述输出信号中的行人所处距离单元；步骤4：对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；步骤5：利用卷积神经网络对所述回波信号时频图进行识别，得到人姿态识别结果。

【技术特征摘要】
1.一种基于雷达及模式识别的行人姿态识别方法，其特征在于,包括如下步骤：步骤1：对雷达信号的回波信号进行预处理，得到输出信号；步骤2：将所述输出信号中的静止目标进行抑制处理；步骤3：搜索经过抑制处理后的所述输出信号中的行人所处距离单元；步骤4：对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；步骤5：利用卷积神经网络对所述回波信号时频图进行识别，得到人姿态识别结果。2.根据权利要求1所述的基于雷达及模式识别的行人姿态识别方法，其特征在于，所述步骤1中，所述对回波信号进行预处理具体包括：步骤11：对所述对回波信号进行去调频处理，具体如下：假设雷达信号st(τ)表示如下：st(τ)＝exp{jπ(2fcτ+γτ2)}其中，fc为发射频率，τ为快时间，t为慢时间，γ为调频频率；所述雷达信号对应的回波信号sr(t,τ)可表示为：sr(t,τ)＝Armexp{jπ(2fc(τ-td(t))+γ(τ-td(t))2)}τ∈(0,Tp]其中，Arm为一个幅值常数，Tp为一个频率调制周期，td(t)为时延，c为光速，a0、a1分别为目标的运动参数；则对所述回波信号进行去调频处理，计算公式为：s0(t,τ)表示去调频处理后的回波信号，sr(t,τ)表示所述雷达信号的回波信号，表示去调频处理后的回波信号的快时间相位，表示解调频参考信号sref(τ)的共轭信号；步骤12：将经过去调频后的所述回波信号s0(t,τ)进行傅里叶变换；步骤13：对傅里叶变换后的所述回波信号srm(t,f)进行离散采样，得到所述输出信号，表示为srm(m,n)。令t＝mΔT，f＝nΔf，其中ΔT，Δf为采样间隔，m为慢时间索引,且m＝0,1,2,…M，M为慢时间采集脉冲数，n为快时间索引，且n＝0,1,2,…N，N为快时间采样点数。3.根据权利要求2所述的基于雷达及模式识别的行人姿态识别方法，其特征在于，所述步骤2中，对所述输出信号沿慢时间维度t采用三脉冲对消方法进行静止目标抑制，且经过抑制后的输出信号表示为sbs(m′,n)；其中，wi(i＝0,1,2)为三阶脉冲对消器的权值，srm(m′,n)表示经过去调频后的输出信号，m′表示经过抑制后的输出信号的慢时间索引，且m′＝0,1,2,…M-2。4.根据权利要求3所述的基于雷达及模式识别的行人姿态识别方法，其特征在于，所述步骤3的具体实现为：步骤31：将经过抑制后的输出信号sbs(m′,n)沿慢时间维度求和，得到回波能量序列se(n)，计算公式为：其中，M为回波的总脉冲数，步骤32：选取所述回波能量序列se(n)中能量最大的距离单元n0，并将第n0个距离单元标记为行人所处距离单元。5.根据权利要求1所述的基于雷达及模式识别的行人姿态识别方法，其特征在...

【专利技术属性】
技术研发人员：张道明，高元正，龙希，
申请(专利权)人：武汉雷博合创电子科技有限公司，
类型：发明
国别省市：湖北,42