基于毫米波雷达的人体姿态识别系统技术方案

本发明专利技术属于模式识别技术领域，具体为一种基于毫米波雷达的人体姿态识别系统。本发明专利技术系统包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；毫米波雷达子系统向检测范围内发射线性调频连续波信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换采样后输出中频原始数据；数据处理与跟踪定位子系统从原始数据中提取能够表征人体姿态的多种特征，包括距离、速度、加速度、方位特征等，实时跟踪定位人体所在位置；人工智能分类子系统对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态。本发明专利技术着眼于现实生活中的人体姿态识别和状态监测，可以适用于家庭、办公室、工厂车间、医院病房、养老院等场景。

Human posture recognition system based on millimeter wave radar

【技术实现步骤摘要】
基于毫米波雷达的人体姿态识别系统专利
本专利技术属于模式识别
，具体涉及一种基于毫米波雷达的人体姿态识别系统。
技术介绍
随着技术的进步和市场的发展，生产生活中的智能化程度越来越高。而生产生活智能化不可缺少的一项重要技术就是人体姿态识别。AIoT大潮推动与国家政策支持，触控式交互方式亟待智能化转型。未来社会，人机交互、控制、检测、监护等都将向着自动化与智慧化发展，而这正需要非接触式、全天候、便捷无感、支持用户自定义的人体姿态识别技术。目前市场上已有一些人体姿态识别技术与方案，例如基于可见光图像和深度图的人体姿态识别技术等。然而现有技术计算开销大，对光照条件要求较高，无法穿透或绕过障碍物，抗干扰能力差，有泄露用户隐私风险。而本专利技术所设计的毫米波雷达系统计算复杂度低，不会泄露用户隐私，具有一定的遮挡物穿透性，且不易受到环境因素(如温度、光照等)影响，具有传统人体姿态识别设备无法比拟的优点。
技术实现思路
本专利技术的目的在于提出一种非接触式、全天候、便捷无感、支持用户自定义的人体姿态识别系统和方法。为了本文档来自技高网...

【技术保护点】
1.一种基于毫米波雷达的人体姿态识别系统，其特征在于，包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；其中，所述毫米波雷达子系统用于向检测范围内发射线性调频连续波LFMCW信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换ADC采样后输出中频原始数据；所述数据处理与跟踪定位子系统用于从原始数据中提取能够表征人体姿态的多种特征，包括但不限于距离、速度、加速度、方位、高度、能量、统计特征等，同时实时跟踪定位人体所在位置；所述人工智能分类子系统用于对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态；/n系统的工作流程为：/n人在雷达检测范围内活动，毫米波雷达子...

【技术特征摘要】
1.一种基于毫米波雷达的人体姿态识别系统，其特征在于，包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；其中，所述毫米波雷达子系统用于向检测范围内发射线性调频连续波LFMCW信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换ADC采样后输出中频原始数据；所述数据处理与跟踪定位子系统用于从原始数据中提取能够表征人体姿态的多种特征，包括但不限于距离、速度、加速度、方位、高度、能量、统计特征等，同时实时跟踪定位人体所在位置；所述人工智能分类子系统用于对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态；
系统的工作流程为：
人在雷达检测范围内活动，毫米波雷达子系统周期性发射线性调频连续波信号并接收检测范围反馈的回波信号，经过混频、滤波和ADC采样后得到原始数据；
将原始数据送入数据处理与跟踪定位子系统，经过一系列信号处理过程，提取能够表征人体姿态的多种特征，所述特征包括距离、速度、加速度、方位、高度、能量、统计，同时实时跟踪定位人体所在位置；
将特征数据送入人工智能分类子系统中进行过滤、分类和判决，若系统判别为存在人体姿态，则判断是否已确定人体姿态，若是则输出人体姿态，否则送至过滤过程；经过过滤过程过滤后判断能否确定人体姿态，若能则输出人体姿态，否则进入分类过程；经过分类过程分级分类，最终待识别人体姿态只剩下一种或两种可能匹配的人体姿态，若与其中一种的相似度大于相似度阈值则判断为该人体姿态并输出该人体姿态，否则判断为未定义人体姿态并输出。


2.根据权利要求1所述的基于毫米波雷达的人体姿态识别系统，其特征在于，所述人工智能分类子系统的判决过程的具体步骤为：
S101，判断是否存在运动人体，若不存在则继续S101，若存在进入步骤S102；
S102，进行人体姿态判断，若待判断数据与某一人体姿态特征数据的相似度大于第一特征阈值Q1时，则进入步骤S107，否则进入步骤S103；
S103，进入过滤过程，过滤掉一些不可能的人体姿势，进入步骤S104；
S104，进行人体姿态判断，若待判断数据与某一人体姿态特征数据的相似度大于第二特征阈值Q2时，则进入步骤S107，否则进入步骤S105；
S105，进入分类过程，针对某些特征，利用人工神经网络调用预训练的分类模型进行分类，进入步骤S106；
S106，若待识别人体姿态与其中一种人体姿态的相似度超过第三特征阈值Q3，则进入步骤S107，否则判断为未定义人体姿态并进入步骤S108；
S107，将待识别人体姿态判决为某一人体姿态，进入步骤S108；
S108，将判决结果反馈，本次判决结束，返回步骤S101。


3.根据权利要求2所述的基于毫米波雷达的人体姿态识别系统，其特征在于，所述过滤过程的具体步骤为：
S201，依据待识别人体姿态的速度特征信息，判断是否小于速度阈值，若是则进入步骤S202，否则进入步骤S104；
S202，进行一级过滤，若待匹配库中只有三种或三种以下的人体姿态的速度特征值超过待识别人体姿态的速度特征值，则将待匹配库中的速度特征值小于速度阈值的人体姿态滤除并进入步骤S104，否则将待匹配库中的速度特征值大于速度阈值的人体姿态滤除并进入步骤S203；
S203，依据待识别人体姿态的方位特征信息，判断方位变化与极值相似度是否属于方位阈值范围，若是则进入步骤S204，否则进入步骤S104；
S204，进行二级过滤，若待识别人体姿态的方位特征值落在待匹配库中三种或三种以下的人体姿态的方位特征值区间，则将...

【专利技术属性】
技术研发人员：夏朝阳，周成龙，介钧誉，汪相锋，周涛，徐丰，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31