【技术实现步骤摘要】
一种基于毫米波的多人步态识别方法及装置
本专利技术涉及无线通信
，特别是涉及一种基于毫米波的多人步态识别方法及装置。
技术介绍
步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。其中，步态是指人们行走时的方式，是一种复杂的因人而异的行为特征。现有的步态识别技术通常是基于计算机视觉，即利用摄像头捕捉行人走动时的视觉图像，然后基于视觉图像对行人步态进行分析，进而识别出行人的身份标识。然而，采用摄像头进行识别存在一些问题。首先，摄像头捕捉用户日常生活的真实图像，必然会对用户产生严重的隐私威胁，不利于保护用户的隐私。其次，摄像容易受到照明的影响，在黑暗、弱光以及遮挡等情况下无法获得清晰的图像，从而导致识别失败。可见，现有的基于计算机视觉的步态识别方法存在侵犯用户隐私以及易受到环境影响导致识别准确度较低的技术问题。
技术实现思路
本专利技术实施例的目的在于提供一种基于毫米波的多人步态识别方法及...
【技术保护点】
1.一种基于毫米波的多人步态识别方法，其特征在于，所述方法包括：/n获取毫米波设备对多个目标行人进行探测获得的多帧点云数据，每帧点云数据由多个反射点数据组成，每个反射点数据包括反射点的三维坐标、速度以及置信度；/n基于所述反射点在点云中的位置分布，将每帧点云数据划分为目标行人数目组点云子数据；/n将每帧点云数据中的各组点云子数据与其他帧点云数据中的各组点云子数据进行匹配，基于匹配结果，确定每个目标行人的步态点云序列；/n分别将每个目标行人的步态点云序列输入预先训练完成的步态识别神经网络，得到每个目标行人的步态识别结果，所述步态识别神经网络是根据训练集预先训练的，所述训练集包...
【技术特征摘要】
1.一种基于毫米波的多人步态识别方法，其特征在于，所述方法包括：
获取毫米波设备对多个目标行人进行探测获得的多帧点云数据，每帧点云数据由多个反射点数据组成，每个反射点数据包括反射点的三维坐标、速度以及置信度；
基于所述反射点在点云中的位置分布，将每帧点云数据划分为目标行人数目组点云子数据；
将每帧点云数据中的各组点云子数据与其他帧点云数据中的各组点云子数据进行匹配，基于匹配结果，确定每个目标行人的步态点云序列；
分别将每个目标行人的步态点云序列输入预先训练完成的步态识别神经网络，得到每个目标行人的步态识别结果，所述步态识别神经网络是根据训练集预先训练的，所述训练集包括多个样本行人的真实身份标识，以及每个样本行人的样本步态点云序列。
2.根据权利要求1所述的方法，其特征在于，所述毫米波设备为多个，在所述基于所述反射点在点云中的位置分布，将每帧点云数据划分为所述目标行人数目组点云子数数据之前，所述方法还包括：
基于各个毫米波设备的相对位置，对各个毫米波设备探测获得的多帧点云数据中每个反射点数据的三维坐标进行转换，得到同一直角坐标系下的三维坐标；
基于各帧点云数据的时间戳，合并各个毫米波设备探测获得的各帧点云数据。
3.根据权利要求1所述的方法，其特征在于，所述将每帧点云数据中的各组点云子数据与其他帧点云数据中的各组点云子数据进行匹配，基于匹配结果，确定每个目标行人的步态点云序列的步骤，包括：
采用匈牙利算法对每帧点云数据中的各组点云子数据进行匹配，基于匹配结果确定所述目标行人与所述每帧点云数据中的点云子数据的对应关系；
将所述目标行人对应的各帧点云数据中的点云子数据确定为该目标行人的步态点云序列。
4.根据权利要求1所述的方法，其特征在于，所述步态识别神经网络按照如下步骤进行训练：
获取预设的神经网络模型和预设训练集；
将所述样本步态点云序列输入所述神经网络模型，得到样本行人的身份识别结果；
基于所述身份识别结果以及所述真实身份标识，确定损失值；
基于所述损失值判断所述神经网络模型是否收敛；
若否，则调整所述神经网络模型中的参数值，并返回所述将所述样本步态点云序列输入所述神经网络模型，得到样本行人的身份识别结果的步骤；
若是，则将当前的神经网络模型确定为步态识别神经网络。
5.一种基于毫米波的多人步态识别装置，其特征在于，所述装置包括：
获取模块，用于获取毫米波设备对多个目标行人进行探测获得的多帧点云数据，每帧点云数据由多个反射点数据组成...
【专利技术属性】
技术研发人员：周安福，马华东，孟祯，燕婕，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。