一种人体躯干微动状态变化特征提取方法技术

本发明专利技术涉及一种人体躯干微动状态变化特征提取方法。本发明专利技术首先从人体动作的微多普勒谱图提取人体躯干的多普勒频率变化曲线，并由此曲线构建马尔科夫模型，最后利用马尔可夫状态转移矩阵和状态分布概率提取微动状态变化特征，实现人体动作的分类。相比于其它人体动作分类方法，本发明专利技术方法主要利用能量最强的躯干部位的多普勒特性，降低环境噪声干扰，解决了人体四肢微多普勒能量较小不易提取特征的问题。通过构建描述躯干多普勒变化过程的马尔可夫模型，充分利用人体运动过程中的躯干状态变化，从而提高了人体动作分类的正确率。

A feature extraction method of human body body's fretting state change

【技术实现步骤摘要】
一种人体躯干微动状态变化特征提取方法
本专利技术具体涉及一种人体躯干微动状态变化特征提取方法。
技术介绍
随着社会的发展，个人人身安全的保护受到越来越多人的关注，人体探测与识别也逐渐成为安防和监控系统的主要研究技术。利用人体动作分类识别技术可以对公共场所(如广场，公园等)中有一些异常行为的人进行监控，维护公共安全。同时在医院也可以利用这种技术对病人进行监护，以便及时处制一些突发的疾病状况。另外，通过人体动作分类识别，可以实现在养老院或者家里对老人的安全监护。人体在运动过程中，各个部位的不同运动方式将在毫米波雷达回波信号中形成不同形式和程度的调制，可从雷达回波信号的时频谱图中观察到这种调制效果，称为人体部位的微多普勒特征，由于不同类型的人体运动方式产生较大差异的微动特征，因此，利用微动特征能有效地识别和估计人体运动类的方式。基于时频分析的人体动作分类识别方法是一种经典的方法，取得了很好的识别效果。例如，一些方法利用人体微多普勒图像包络变化特性进行动作分类；而有些方法则使用从人体微多普勒谱图中提取的微多普勒带宽、四肢运动周期和躯干平本文档来自技高网...

【技术保护点】
1.一种人体躯干微动状态变化特征提取方法，其特征在于，包括以下步骤：/nS1、对连续波雷达，接收到的人体躯干的雷达回波信号s(t)为：/n

【技术特征摘要】
1.一种人体躯干微动状态变化特征提取方法，其特征在于，包括以下步骤：
S1、对连续波雷达，接收到的人体躯干的雷达回波信号s(t)为：



其中，A0与躯干的雷达反射截面积成正比，D(t)为躯干中心位置与雷达的距离，λ为雷达发射波的波长；s(t)经过短时傅里叶变换得到其时频信号STFT(t,ω)：






其中G(t)是均值为零，方差为σ2的高斯函数，ω为角频率，s(τ)为τ时刻的回波信号值；
对短时傅里叶变换取绝对值，得到信号的微多普勒谱图S(f,t)：
S(f,t)＝|STFT(t,ω)|
S2、对微多普勒谱图进行图像分割和形态学处理，具体为：
S21、利用无目标人体时的背景时频谱图，统计得到其能量分布矩阵P∈CV×T，V为谱图最大能量值，T为人体运动总时长；
S22、计算t时刻的分割阈值Th(t)：



其中，S0(f,t)为背景时频谱图，T为人体运动总时长，[-fm,fm]为谱图多普勒频率的范围；
S23、对微多普勒谱图按时间顺序进行阈值分割：



ST(f,t)为阈值分割后得到的谱图；
S24、对分割完的微多普勒谱图进行形态学处理，包括腐蚀和膨胀运算；
S3、人体躯干多普勒曲线提取：
提取经过步骤S2处理后的微多普勒谱图t时刻能量值最大的点，记录该时刻多普勒频率M(t)：



定义初始时刻躯干多普勒有效点为Xtorso(1)＝0，Ytorso(1)＝M(0)，Xtorso(m)为第m个躯干有效点的时刻，Ytorso(m)为第m个躯干有效点的多普勒频率，然后从M(t)中利用最邻近峰值原则选...

【专利技术属性】
技术研发人员：周代英，胡晓龙，李粮余，张同梦雪，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51